Distribution of SARS-CoV-2 RNA signal in a home with COVID-19 positive occupants
Notice bibliographique
Résumé
Although many COVID-19 patients isolate and recover at home, the dispersal of SARS-CoV-2 onto surfaces and dust within the home environment remains poorly understood. To investigate the distribution and persistence of SARS-CoV-2 in a home with COVID-19 positive occupants, samples were collected from a household with two confirmed COVID-19 cases (one adult and one child). Home surface swab and dust samples were collected two months after symptom onset (and one month after symptom resolution) in the household. The strength of the SARS-CoV-2 molecular signal in fomites varied as a function of sample location, surface material and cleaning practices. Notably, the SARS-CoV-2 RNA signal was detected at several locations throughout the household although cleaning appears to have attenuated the signal on many surfaces. Of the 24 surfaces sampled, 46% were SARS-CoV-2 positive at the time of sampling. The SARS-CoV-2 concentrations in dust recovered from floor and HVAC filter samples ranged from 104 to 105 N2 gene copies/g dust. While detection of viral RNA does not imply infectivity, this study confirms that the SARS-CoV-2 RNA signal can be detected at several locations within a COVID-19 isolation home and can persist after symptoms have resolved. In addition, the concentration of SARS-CoV-2 (normalized per unit mass of dust) recovered in home HVAC filters may prove useful for estimating SARS-CoV-2 airborne levels in homes. In this work, using the quantitative filter forensics methodology, we estimated an average integrated airborne SARS-CoV-2 concentration of 69 ± 43 copies/m3. This approach can be used to help building scientists and engineers develop best practices in homes with COVID-19 positive occupants.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».