[論文レビュー] Predicting the Spatially Varying Infection Risk in Indoor Spaces Using an Efficient Airborne Transmission Model

Lau Z, Griffiths Im+2 more|arXiv (Cornell University)|Dec 22, 2020

Infection Control and Ventilation参考文献 50被引用数 7

ひとこと要約

本稿では、吸入性粒子濃度の広義的対流・拡산・反応方程式を解くことで、屋内環境における空気感染リスクの空間的変動を予測する高速で準解析的モデルを提示する。このモデルは換気、発生率、露出時間のリアルタイム評価を可能にし、感染リスクに対する換気の非単調的効果を明らかにするとともに、主要パラメータに関して予想感染までの時間（TTPI）のべき乗則を導出する。

ABSTRACT

We develop a spatially dependent generalisation to the Wells-Riley model and its extensions applied to COVID-19, that determines the infection risk due to airborne transmission of viruses. We assume that the concentration of infectious particles is governed by an advection-diffusion-reaction equation with the particles advected by airflow, diffused due to turbulence, emitted by infected people and removed due to the room ventilation, inactivation of the virus and gravitational settling. We consider one asymptomatic or presymptomatic infectious person who breathes or talks, with or without a mask and model a quasi-3D setup that incorporates a recirculating air-conditioning flow. A semi-analytic solution is available and this enables fast simulations. We quantify the effect of ventilation and particle emission rate on the particle concentration, infection risk and the `time to probable infection' (TTPI). Good agreement with CFD models is achieved. Furthermore, we derive power laws that quantify the effect of ventilation, emission rate and infectiousness of the virus on the TTPI. The model can be easily updated to take into account modified parameter values. This work paves the way for establishing `safe occupancy times' at any location and has direct applicability in mitigating the spread of the COVID-19 pandemic.

研究の動機と目的

• 従来のウェルズ＝ライリー・モデルにおける均一混合仮定の制限を克服し、空間的変動を捉えた計算的に効率的な感染リスク予測モデルの開発。
• 機械換気による再循環を含む現実的な気流ダイナミクスを、準3次元屋内環境に組み込む。
• 教室やレストランなど多様な屋内環境における政策立案や安全対策のため、標準的なコンピュータでも高速シミュレーションを可能にする。
• 導出されたべき乗則を用いて、換気量、発生率、ウイルス感染性が予想感染までの時間（TTPI）に与える影響を定量化する。
• ウイルス発生、不活化、換気基準に関する新しいデータの取り込みが容易な柔軟なフレームワークを提供する。

提案手法

• 吸入性粒子濃度の広義的対流・拡散・反応方程式を解く。対流は気流、拡散は乱流、除去は換気、不活化、重力沈降による。
• 閉ループ空気循環パターンを有する準3次元設定に対して、準解析的解を導出することで、CFD並みの複雑さを避けた高速計算を実現。
• 空間的に分解能のある粒子濃度に基づき、指数分布確率密度関数を用いて感染リスクを計算。
• 実際のスーパースプレッダー事例（広州のレストラン）におけるCFDシミュレーションと比較し、良好な一致を示した。
• TTPIと主なパラメータ（換気量λ、発生率R、感染性I）との間でべき乗則関係を解析的に導出。
• 今後の拡張において、異なる部屋の形状、マスク着用、粒子径分布の動的再構成が可能。

実験結果

リサーチクエスチョン

• RQ1 単一の感染源から生じる空間的変動を示す空気中濃度が、換気された屋内空間における感染リスクにどのように影響するか？
• RQ2 換気の改善が感染リスクをどれほど低減できるか。また、不適切な改善がリスクを増加させる可能性はあるか？
• RQ3 予想感染までの時間（TTPI）と換気量、発生率、ウイルス感染性の関係は何か？
• RQ4 高コストな計算を伴わず、CFD並みの精度を達成する高速で準解析的モデルは、実世界のアウトブレイクを再現可能か？
• RQ5 粒子濃度の空間勾配は、従来のウェルズ＝ライリー・モデルにおける均一混合仮定の妥当性にどのように影響するか？

主な発見

• 実際の広州のレストランにおけるスーパースプレッダー事例について、CFDシミュレーションと強く一致し、観察された結果と一致する平均40％の感染リスクを予測した。
• 極めて換気が不十分な状況では、均一混合仮定が感染リスクを高めに評価する。空間平均リスクは平均濃度から予測されるリスクより低くなる。
• ダウンウィンド領域では、予想感染までの時間（TTPI）が換気量λに対して非単調的関係を示し、換気の改善に伴い一時的に減少し、その後増加する。
• 発生率RとTTPIとの間にべき乗則スケーリングが確立され、異なる活動や個人における感染リスクの迅速な予測が可能になった。
• ウイルス感染性Iおよび感受性個体の呼吸頻度ρについても同様のべき乗則が同定され、新しい変異株や露出シナリオへの迅速な適応が可能になった。
• 本モデルにより、屋内空間における安全な滞在時間のリアルタイム評価が可能となり、パンデミック時における動的政策意思決定を支援する。