Modeling Clothing as a Vector for Transporting Airborne Particles and Pathogens across Indoor Microenvironments
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Evidence suggests that human exposure to airborne particles and associated contaminants, including respiratory pathogens, can persist beyond a single microenvironment. By accumulating such contaminants from air, clothing may function as a transport vector and source of “secondary exposure”. To investigate this function, a novel microenvironmental exposure modeling framework (ABICAM) was developed. This framework was applied to a para-occupational exposure scenario involving the deposition of viable SARS-CoV-2 in respiratory particles (0.5–20 μm) from a primary source onto clothing in a nonhealthcare setting and subsequent resuspension and secondary exposure in a car and home. Variability was assessed through Monte Carlo simulations. The total volume of infectious particles on the occupant’s clothing immediately after work was 4800 μm 3 (5th–95th percentiles: 870–32 000 μm 3 ). This value was 61% (5–95%: 17–300%) of the occupant’s primary inhalation exposure in the workplace while unmasked. By arrival at the occupant’s home after a car commute, relatively rapid viral inactivation on cotton clothing had reduced the infectious volume on clothing by 80% (5–95%: 26–99%). Secondary inhalation exposure (after work) was low in the absence of close proximity and physical contact with contaminated clothing. In comparison, the average primary inhalation exposure in the workplace was higher by about 2–3 orders of magnitude. It remains theoretically possible that resuspension and physical contact with contaminated clothing can occasionally transmit SARS-CoV-2 between humans.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».