Can Air-Conditioning Systems Contribute to the Spread of SARS/MERS/COVID-19 Infection? Insights from a Rapid Review of the Literature
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The airborne transmission of SARS-CoV-2 is still debated. The aim of this rapid review is to evaluate the COVID-19 risk associated with the presence of air-conditioning systems. Original studies (both observational and experimental researches) written in English and with no limit on time, on the airborne transmission of SARS-CoV, MERS-CoV, and SARS-CoV-2 coronaviruses that were associated with outbreaks, were included. Searches were made on PubMed/MEDLINE, PubMed Central (PMC), Google Scholar databases, and medRxiv. A snowball strategy was adopted to extend the search. Fourteen studies reporting outbreaks of coronavirus infection associated with the air-conditioning systems were included. All studies were carried out in the Far East. In six out the seven studies on SARS, the role of Heating, Ventilation, and Air Conditioning (HVAC) in the outbreak was indirectly proven by the spatial and temporal pattern of cases, or by airflow-dynamics models. In one report on MERS, the contamination of HVAC by viral particles was demonstrated. In four out of the six studies on SARS-CoV-2, the diffusion of viral particles through HVAC was suspected or supported by computer simulation. In conclusion, there is sufficient evidence of the airborne transmission of coronaviruses in previous Asian outbreaks, and this has been taken into account in the guidelines released by organizations and international agencies for controlling the spread of SARS-CoV-2 in indoor environments. However, the technological differences in HVAC systems prevent the generalization of the results on a worldwide basis. The few COVID-19 investigations available do not provide sufficient evidence that the SARS-CoV-2 virus can be transmitted by HVAC systems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle