Transition from saliva droplets to solid aerosols in the context of COVID-19 spreading
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
To control the evolution of a pandemic such as COVID-19, knowing the conditions under which the pathogen is being transmitted represents a critical issue, especially when implementing protection strategies such as social distancing and wearing face masks. For viruses and bacteria that spread via airborne and/or droplet pathways, this requires understanding how saliva droplets evolve over time after their expulsion by speaking or coughing. Within this context, the transition from saliva droplets to solid residues, due to water evaporation, is studied here both experimentally, considering the saliva from 5 men and 5 women, and via numerical modeling to accurately predict the dynamics of this process. The model assumes saliva to be a binary water/salt mixture and is validated against experimental results using saliva droplets that are suspended in an ultrasound levitator. We demonstrate that droplets with an initial diameter smaller than 21 μm will produce a solid residue that would be considered an aerosol of <5 μm diameter in less than 2 s (for any relative humidity less than 80% and/or any temperature greater than 20°C). Finally, the model developed here accounts for the influence of the saliva composition, relative humidity and ambient temperature on droplet drying. Thus, the travel distance prior to becoming a solid residue can be deduced. We found that saliva droplets of initial size below 80 μm, which corresponds to the vast majority of speech and cough droplets, will become solid residues prior to touching the ground when expelled from a height of 160 cm.
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 | 0,001 | 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 | 0,000 |
| 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) | 0,001 | 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 découle