Exhaled aerosols and saliva droplets measured in time and 3D space: Quantification of pathogens flow rate applied to SARS‐CoV‐2
Notice bibliographique
Résumé
Abstract SARS‐CoV‐2 and its ever‐emerging variants are spread from host‐to‐host via expelled respiratory aerosols and saliva droplets. Knowing the number of virions which are exhaled by a person requires precise measurements of the size, count, velocity and trajectory of the virus‐laden particles that are ejected directly from the mouth. These measurements are achieved in 3D, at 15,000 images/s, and are applied when speaking, yelling and coughing. In this study, 33 events have been analysed by post‐processing ∼500,000 images. Using these data, the flow rates of SARS‐CoV‐2 virions have been evaluated. At high concentrations, 10 7 virions/mL, it is found that 136–231 virions are ejected during a single cough, where the virion flow rate peak is capable of reaching 32 virions within a millisecond. This peak can reach tens of virions/ms when yelling but reduced to only a few virions/ms when speaking. At medium concentrations, ∼10 5 virions/mL, those results are hundreds of times lower. The total number of virions that are ejected when yelling at 110 dB, instead of speaking at 85 dB, increases by two‐ to threefold. From the measured data analysed in this article, the flow rate of other diseases, such as influenza, tuberculosis or measles, can also be estimated. As these data are openly accessible, they can be used by modellers for the simulation of saliva droplet transport and evaporation, allowing to further advance our understanding of airborne pathogen transmission. Key points Advanced, optimized and combined laser‐based imaging techniques for temporally sizing and tracking respiratory droplets and aerosols. Understanding how pathogens are being ejected from the mouth when speaking, yelling and coughing. Quantifying and analysing the variation of SARS‐CoV‐2 flow rates emission during exhalation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».