[論文レビュー] Statistical Modeling of Airborne Virus Transmission Through Imperfectly Fitted Face Masks

Sebastian Lotter, Lukas Brand+2 more|arXiv (Cornell University)|Apr 26, 2021

Infection Control and Ventilation参考文献 16被引用数 6

ひとこと要約

本稿では、不顕性の個人が不完全にフィットするマスクを着用している状況下での空気感染性SARS-CoV-2の伝播を分析するため、分子通信（MC）に基づく統計モデルを提案する。呼気および吸気の流れのダイナミクスをモデル化することで、マスクのフィット感が感染確率に顕著に影響すること、特に感染投与量が臨界範囲にある場合に顕著であることが明らかになり、平均伝播率をはるかに超える包括的なリスク評価を可能にする。

ABSTRACT

The rapid emergence and the disastrous impact of the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) pandemic on public health, societies, and economies around the world has created an urgent need for understanding the pathways critical for virus transmission. Airborne virus transmission by asymptomatic SARS-CoV-2-infected individuals is considered to be a major contributor to the spread of SARS-CoV-2 and social distancing and wearing of face masks in public have been implemented as countermeasures in many countries. However, a comprehensive risk assessment framework for the airborne transmission of SARS-CoV-2 incorporating realistic assumptions on the filtration of infectious aerosols (IAs) by face masks is not available yet. In particular, in most end-to-end models for airborne virus transmission, it is neglected that the stochastic spread of IAs through imperfectly fitted face masks depends on the dynamics of the breathing of the wearer. In this paper, we consider airborne virus transmission from an infected but asymptomatic person to a healthy person, both wearing imperfectly fitted face masks, in an indoor environment. By framing the end-to-end virus transmission as a Molecular Communications (MC) system, we obtain a statistical description of the number of IAs inhaled by the healthy person subject to the respective configurations of the face masks of both persons. We demonstrate that the exhalation and inhalation air flow dynamics have a significant impact on the stochastic filtering of IAs by the face masks. Furthermore, we show that the fit of the face mask of the infected person can highly impact the infection probability. We conclude that the proposed MC model may contribute a valuable assessment tool to fight the spread of SARS-CoV-2 as it encompasses the randomness of the transmission process and enables comprehensive risk analysis beyond statistical averages.

研究の動機と目的

• 現実的なマスク漏れと呼吸ダイナミクスを考慮した、空気感染性SARS-CoV-2伝播の包括的リスク評価モデルの不足に対処すること。
• 特にすきまを伴う不完全にフィットするマスクが、呼気および吸気の過程で感染性エアロゾル（IA）の確率的フィルタリングにどのように影響するかを調査すること。
• 平均値をはるかに超えるランダム性を捉える統計的フレームワークを構築し、低確率・高インパクト伝播イベントのリスク分析を可能にすること。
• ギャップ高さや粘性多孔質抵抗といった物理的マスクパラメータが、変動する感染投与量下での感染確率に与える影響を定量化すること。

提案手法

• 感染性エアロゾルを信号分子として扱うことで、エンド・ツー・エンドの空気感染伝播を分子通信（MC）システムとして定式化する。
• 生理的呼吸パターンから導出された時間依存の流れ速度プロファイルを用いて、呼気および吸気の流れのダイナミクスをモデル化する。
• ギャップ高さ（Htx_g）および粘性多孔質抵抗（Crx_m）をパrameter化した、IAの確率的漏れ確率を導入する。
• 5,000回のランダムな呼吸サイクルを用いたモンテカルロシミュレーションにより、IA伝播確率の経験的分布を計算する。
• 吸入された感染性エアロゾル（IAA）の累積分布を導出し、感染確率を特定の閾値θに対してP(IAA ≥ θ)として定義する。
• 数値的評価を用いて、マスクフィットおよび呼吸ダイナミクスが伝播統計に与える影響を評価し、特に極端な結果に注目する。

実験結果

リサーチクエスチョン

• RQ1 感染した個人のマスクのフィット感、特にギャップ高さが、健康な個人への感染性エアロゾル伝播確率にどのように影響するか？
• RQ2 動的呼気および吸気の流れのパターンは、不完全にフィットするマスクを通じたIAの確率的フィルタリングにどの程度影響を及ぼすか？
• RQ3 マスク漏れに起因するIA伝播確率の変動は、呼気段階と吸気段階の間でどのように比較されるか？
• RQ4 感染確率がマスクフィットの変化に対して最も感受性を示す感染投与量の範囲は何か？
• RQ5 統計的MCモデルは、一次平均値をはるかに超える伝播のランダムネスを効果的に捉え、包括的なリスク評価を可能にするか？

主な発見

• 感染投与量θが2〜12粒子の範囲にあるとき、感染した個人のマスクのギャップ高さ（Htx_g）に起因する感染確率は非常に感受性が高く、深刻な脆弱性の範囲であることが示された。
• より高い感染投与量（θ ≫ 12）では、マスクフィットが感染確率に与える影響が薄れることが示され、高暴露状況下ではマスクの質がそれほど重要でなくなる可能性を示唆している。
• 感染した個人からのIA漏れ確率分布は、健康な個人による吸入時よりも顕著に広がっており、放出段階での確率的ばらつきが吸収段階よりも顕著であることを示している。
• 吸入時の流れのダイナミクスは、呼気時よりも小さな動的範囲を示し、健康な個人のマスクを通じたIA漏れがより予測可能で、ばらつきが小さい。
• 平均流れ速度だけではろ過効率を評価するには不十分であり、確率的漏れに強い影響を及ぼすため、動的流れのパターンを考慮する必要がある。
• 提案されたMCモデルは、伝播のランダムネスを効果的に捉え、希少だが高インパクトな伝播イベントを考慮した統計的リスク分析を可能にした。