Viral load of SARS-CoV-2 in droplets and bioaerosols directly captured during breathing, speaking and coughing
Notice bibliographique
Résumé
Determining the viral load and infectivity of SARS-CoV-2 in macroscopic respiratory droplets, bioaerosols, and other bodily fluids and secretions is important for identifying transmission modes, assessing risks and informing public health guidelines. Here we show that viral load of SARS-CoV-2 Ribonucleic Acid (RNA) in participants' naso-pharyngeal (NP) swabs positively correlated with RNA viral load they emitted in both droplets >10 [Formula: see text] and bioaerosols <10 [Formula: see text] directly captured during the combined expiratory activities of breathing, speaking and coughing using a standardized protocol, although the NP swabs had [Formula: see text] 10[Formula: see text] more RNA on average. By identifying highly-infectious individuals (maximum of 18,000 PFU/mL in NP), we retrieved higher numbers of SARS-CoV-2 RNA gene copies in bioaerosol samples (maximum of 4.8[Formula: see text] gene copies/mL and minimum cycle threshold of 26.2) relative to other studies. However, all attempts to identify infectious virus in size-segregated droplets and bioaerosols were negative by plaque assay (0 of 58). This outcome is partly attributed to the insufficient amount of viral material in each sample (as indicated by SARS-CoV-2 gene copies) or may indicate no infectious virus was present in such samples, although other possible factors are identified.
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 | 0,000 |
| 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 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 ».