The impact of heating, ventilation and air conditioning (HVAC) design features on the transmission of viruses, including the 2019 novel coronavirus (COVID-19): A systematic review of humidity
Notice bibliographique
Résumé
The aerosol route has been a pathway for transmission of many viruses. Similarly, recent evidence has determined aerosol transmission for SARS-CoV-2 to be significant. Consequently, public health officials and professionals have sought data regarding the role of Heating, Ventilation, and Air Conditioning (HVAC) features as a means to mitigate transmission of viruses, particularly coronaviruses. Using international standards, a systematic review was conducted to comprehensively identify and synthesize research examining the effect of humidity on transmission of coronaviruses and influenza. The results from 24 relevant studies showed that: increasing from mid (40-60%) to high (>60%) relative humidity (RH) for SARS-CoV-2 was associated with decreased virus survival; although SARS-CoV-2 results appear consistent, coronaviruses do not all behave the same; increasing from low (<40%) to mid RH for influenza was associated with decreased persistence, infectivity, viability, and survival, however effects of increased humidity from mid to high for influenza were not consistent; and medium, temperature, and exposure time were associated with inconsistency in results for both coronaviruses and influenza. Adapting humidity to mitigate virus transmission is complex. When controlling humidity as an HVAC feature, practitioners should take into account virus type and temperature. Future research should also consider the impact of exposure time, temperature, and medium when designing experiments, while also working towards more standardized testing procedures. Clinical trial registration: PROSPERO 2020 CRD42020193968.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 ».