Experimental investigation of indoor aerosol dispersion and accumulation in the context of COVID-19: Effects of masks and ventilation
Notice bibliographique
Résumé
The ongoing COVID-19 pandemic has highlighted the importance of aerosol dispersion in disease transmission in indoor environments. The present study experimentally investigates the dispersion and build-up of an exhaled aerosol modeled with polydisperse microscopic particles (approximately 1 μm mean diameter) by a seated manikin in a relatively large indoor environment. The aims are to offer quantitative insight into the effect of common face masks and ventilation/air purification, and to provide relevant experimental metrics for modeling and risk assessment. Measurements demonstrate that all tested masks provide protection in the immediate vicinity of the host primarily through the redirection and reduction of expiratory momentum. However, leakages are observed to result in notable decreases in mask efficiency relative to the ideal filtration efficiency of the mask material, even in the case of high-efficiency masks, such as the R95 or KN95. Tests conducted in the far field (2 m distance from the subject) capture significant aerosol build-up in the indoor space over a long duration (10 h). A quantitative measure of apparent exhalation filtration efficiency is provided based on experimental data assimilation to a simplified model. The results demonstrate that the apparent exhalation filtration efficiency is significantly lower than the ideal filtration efficiency of the mask material. Nevertheless, high-efficiency masks, such as the KN95, still offer substantially higher apparent filtration efficiencies (60% and 46% for R95 and KN95 masks, respectively) than the more commonly used cloth (10%) and surgical masks (12%), and therefore are still the recommended choice in mitigating airborne disease transmission indoors. The results also suggest that, while higher ventilation capacities are required to fully mitigate aerosol build-up, even relatively low air-change rates (2 h−1) lead to lower aerosol build-up compared to the best performing mask in an unventilated space.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».