MétaCan
Menu
Retour à la cohorte
Enregistrement W4313409823 · doi:10.2196/37587

Pilot Evaluation of Possible Airborne Transmission in a Geriatric Care Facility Using Carbon Dioxide Tracer Gas: Case Study

2022· article· en· W4313409823 sur OpenAlexvenueno aff
Yo Ishigaki, Shinji Yokogawa, Yuki Minamoto, Akira Saito, Hiroko Kitamura, Yuto Kawauchi

Notice bibliographique

RevueJMIR Formative Research · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueInfection Control and Ventilation
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of ScienceKDDI Foundation
Mots-clésEnvironmental scienceOutbreakAerosolCoronavirus disease 2019 (COVID-19)Airborne transmissionTRACERSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)AdvectionMedicineTransmission (telecommunications)MeteorologyEnvironmental healthInfectious disease (medical specialty)GeographyEngineeringDisease

Résumé

récupéré en direct d'OpenAlex

Background Although several COVID-19 outbreaks have occurred in older adult care facilities throughout Japan, no field studies focusing on airborne infections within these settings have been reported. Countermeasures against airborne infection not only consider the air change rate (ACR) in a room but also the airflow in and between rooms. However, a specific method has not yet been established by Japanese public health centers or infectious disease–related organizations. Objective In April 2021, 59 COVID-19 cases were reported in an older adult care facility in Miyagi, Japan, and airborne transmission was suspected. The objective of this study was to simultaneously reproduce the ACR and aerosol advection in this facility using the carbon dioxide (CO2) tracer gas method to elucidate the specific location and cause of the outbreak. These findings will guide our recommendations to the facility to prevent recurrence. Methods In August 2021, CO2 sensors were placed in 5 rooms where airborne infection was suspected, and the CO2 concentration was intentionally increased using dry ice, which was subsequently removed. The ACR was then estimated by applying the Seidel equation to the time-series changes in the CO2 concentration due to ventilation. By installing multiple sensors outside the room, advection outside the room was monitored simultaneously. Aerosol advection was verified using computer simulations. Although the windows were closed at the time of the outbreak, we conducted experiments under open-window conditions to quantify the effects of window opening. Results The ACR values at the time of the outbreak were estimated to be 2.0 to 6.8 h−1 in the rooms of the facility. A low-cost intervention of opening windows improved the ventilation frequency by a factor of 2.2 to 5.7. Ventilation depended significantly on the window-opening conditions (P values ranging from .001 to .03 for all rooms). Aerosol advection was detected from the private room to the day room in agreement with the simulation results. Considering that the individual who initiated the infection was in the private room on the day of infection, and several residents, who later became secondarily infected, were gathered in the day room, it was postulated that the infectious aerosol was transmitted by this air current. Conclusions The present results suggest that secondary infections can occur owing to aerosol advection driven by large-scale flow, even when the building design adheres to the ventilation guidelines established in Japan. Moreover, the CO2 tracer gas method facilitates the visualization of areas at a high risk of airborne infection and demonstrates the effectiveness of window opening, which contributes to improved facility operations and recurrence prevention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,366
Score d'incertitude au seuil0,584

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,126
Tête enseignante GPT0,448
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetInfection Control and VentilationTravaux en français237 207