City Reduced Probability of Infection (CityRPI) for Indoor Airborne Transmission of SARS-CoV-2 and Urban Building Energy Impacts
Notice bibliographique
Résumé
ABSTRACT Airborne transmission of aerosols produced by asymptomatic individuals is a large portion of the SARS-CoV-2 spread indoors. Outdoor air ventilation rate, air filtration, room occupancy, exposure time, and mask-wearing are among the key parameters that affect its airborne transmission in indoor spaces. In this work, we developed a new web-based platform, City Reduced Probability of Infection - CityRPI, to calculate the indoor airborne transmission of COVID-19 in various buildings of a city scale. An archetype library of twenty-nine building types is developed based on several standards and references. Among the mitigation strategies recommended to reduce infection risk, some could result in significant energy impacts on buildings. To study the combined effects of energy consumption and reduced infection probability, we integrated CityRPI with City Building Energy Model. We applied the integrated model to Montreal City and studied the impact of six mitigation measures on the infection risk and peak energy demand in winter. It shows that the same strategy could perform quite differently, depending on building types and properties. In the winter season, increasing the outdoor air ventilation rate may cause massive building energy consumption. All strategies are shown to reduce the infection risk but wearing a mask and reducing exposure time are the most effective strategies in many buildings, with around 60% reduction. Doubling the outdoor air ventilation rate is not as effective as other strategies to reduce the risk with less than 35% reduction. It also significantly increases building peak heating demand with 10-60%.
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.
Comment cette classification a été obtenuedéplier
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».