Aerosol generation during pulmonary function testing: Monitoring during different testing modalities
Notice bibliographique
Résumé
Rationale Severe acute respiratory syndrome caused by coronavirus 2 (SARS-CoV-2) was declared a pandemic on March 11, 2020. Countries entered lockdown, restricting medical activities to essential services. Pulmonary function tests (PFT) are crucial for management of lung diseases. With limited data regarding aerosol generation and the risk of disease transmission during PFTs, many laboratories closed. Our objective is to quantify aerosol generation during different PFT modalities.Methods We measured aerosol particles in the 0.3-10.0 µm range with an Optical Particle Sizer (Model 3330; TSI Incorporated) and collected bioaerosols to detect respiratory pathogens during clinically indicated PFTs at a hospital-based laboratory during 2 time points in 2020.Results We monitored 81 and 41 individual multi-modality PFT sessions in June/July and December, respectively. Slow vital capacity, forced vital capacity and diffusion capacity generated higher aerosol counts compared to pre- and post-test room levels although all modalities were lower than during talking or coughing. The aerosol sizes generated were primarily 2.5-10 µm. Oscillometry generated higher overall concentrations than room sampling, also primarily in the 2.5-10 µm aerosols. The bioaerosol filters revealed no respiratory viruses or bacteria.Conclusions While PFT can generate aerosols, it is less than normal speech with the exception of PFT-induced coughing. Our findings suggest the risk of SARS-CoV-2 transmission is not increased and support the re-opening of PFT laboratories that adhere to universal masking, use of personal protective equipment and stringent infection control protocols. We strongly endorse adherence to public health guidelines in the operation of PFT laboratories.
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 | 0,003 |
| 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 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 ».