Indoor air sampling strategies by active bioaerosol samplers: a case study to detect SARS-CoV-2 in hospital settings
Notice bibliographique
Résumé
This study demonstrates the applicability of air sampling for the detection of SARS-CoV-2 in a hospital by means of active bioaerosol samplers following a specifically designed air sampling strategy based on digital mapping of the architectural layout of the ward to minimize disruptions of health care activities and reducing operator risks. Prior to the experimental study, some model tests were conducted using the air sampler with a tunable flow rate to determine the most suitable real time polymerase chain reaction (RT-PCR) based detection method. Preliminary results showed the need to perform intensive extraction protocols combined with Real-time reverse transcription PCR (rRT-PCR), rather than conventional, to enhance sensitivity. The experimental study was conducted within the general medicine ward of Spedali Civili Hospital in Brescia during the winter of 2021/2022, a period marked by a high prevalence of COVID-19 cases using three active air sampling devices: Coriolis Compact, Coriolis Micro®, and BioSpot GEM®. Environmental parameters, such as room size, occupancy, ventilation rates, and activities performed during sampling, and patients’ conditions were documented to contextualize the findings. The virus was detected in a few rooms with concentrations ranging from 1171 to 2225 copies/m 3 . These findings support the integration of routinary air sampling as tools for control and assessment of transmission risks, not only for SARS-CoV-2 but generalized to all airborne pathogens, supporting patient management and infection control in health care settings.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».