COVID-19 DISSEMINATION ASSESSMENT THROUGH NATURAL VENTILATION IN HOSPITAL PATIENT ROOM BY CFD ANALYSIS
Notice bibliographique
Résumé
This paper studies the effect of natural ventilation on the spread of the COVID-19 virus from a patient room to an adjacent room with the help of airflow. The importance of this study is since COVID-19 virus contamination can easily transfer with the airflow from one room to the next room or adjacent corridor. This paper aims to determine the effect of natural ventilation on the contamination of the spaces next to the COVID-19 patients’ room.For this evaluation, we have used mechanical modelling and CFD simulation to evaluate the effect of natural ventilation on the transmission of COVID-19 with the airflow from a contaminated space to a clean space. During this study, we have calibrated the CFD model using one actual case, that was studied in a wind tunnel, and verified the modified model with the actual existing case. The simulated CFD model showed a reasonable accuracy for the prediction of ventilation in indoor spaces.Results showing the room geometries with air inlet/outlet that positioned at either bottom or top of the room will result in less COVID contamination dissemination through natural ventilation. In addition, in case of having the inlet/outlet in middle and positioning face to face and as well in the case of having max natural air velocity, the maximum contamination will exhaust from the 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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».