COVID-19 pandemic lesson learned- critical parameters and research needs for UVC inactivation of viral aerosols
Notice bibliographique
Résumé
The COVID-19 pandemic highlighted public awareness of airborne disease transmission in indoor settings and emphasized the need for reliable air disinfection technologies. This increased awareness will carry in the post-pandemic era along with the ever-emerging SARS-CoV variants, necessitating effective and well-defined protocols, methods, and devices for air disinfection. Ultraviolet (UV)-based air disinfection demonstrated promising results in inactivating viral bioaerosols. However, the reported data diversity on the required UVC doses has hindered determining the best UVC practices and led to confusion among the public and regulators. This article reviews available information on critical parameters influencing the efficacy of a UVC air disinfection system and, consequently, the required dose including the system's components as well as operational and environmental factors. There is a consensus in the literature that the interrelation of humidity and air temperature has a significant impact on the UVC susceptibility, which translate to changing the UVC efficacy of commercialized devices in indoor settings under varying conditions. Sampling and aerosolization techniques reported to have major influence on the result interpretation and it is recommended to use several sampling methods simultaneously to generate comparable and conclusive data. We also considered the safety concerns and the potential safe alternative of UVC, far-UVC. Finally, the gaps in each critical parameter and the future research needs of the field are represented. This paper is the first step to consolidating literature towards developing a standard validation protocol for UVC air disinfection devices which is determined as the one of the research needs.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 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 ».