COVID-19: Research Directions for Non-Clinical Aerosol-Generating Facilities in the Built Environment
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
Physical contact and respiratory droplet transmission have been widely regarded as the main routes of COVID-19 infection. However, mounting evidence has unveiled the risk of aerosol transmission of the virus. Whereas caution has been taken to avoid this risk in association with clinical facilities, facilities such as spa pools and Jacuzzis, which are characterized by bubble-aerosol generation, high bather loads, and limited turnover rates, may promote aerosol transmission. Focusing on these non-clinical facilities in the built environment, a review study was undertaken. First, the typical water disinfection and ventilation-aided operations for the facilities were illustrated. Second, cross comparisons were made between the applicable standards and guidelines of the World Health Organization and countries including Australia, Canada, China, the United Kingdom, and the United States. The similarities and differences in their water quality specifications, ventilation requirements, and air quality enhancement measures were identified; there were no specific regulations for preventing aerosol transmission at those aerosol-generating facilities. Third, a qualitative review of research publications revealed the emergence of studies on potential air-borne transmission of COVID-19, but research on built facilities posing high risks of aerosol transmission remains scant. This study’s results inform key directions for future research on abating aerosol transmission of COVID-19: the development of bespoke personal protective equipment and engineering and management controls on water quality, ventilation, and air quality.
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 | 0,003 |
| 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 | 0,000 |
| 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 découle