[论文解读] 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 7

一句话总结

本文提出一种快速、半解析模型，通过求解空气传播感染颗粒浓度的对流-扩散-反应方程，预测室内环境中空间变化的感染风险。该模型可实现实时评估通风、排放速率和暴露时间，揭示通风对感染风险的非单调影响，并推导出关键参数下预计感染时间的幂律关系。

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.

研究动机与目标

• 开发一种计算高效的模型，捕捉空气传播感染风险的空间变化，克服传统Wells–Riley模型中均匀混合假设的局限性。
• 在准三维室内环境中，纳入真实气流动力学，包括机械通风引起的再循环。
• 实现在标准计算机上的快速模拟，支持教室和餐厅等多样化室内环境中实时政策与安全规划。
• 通过推导的幂律关系，量化通风、排放速率和病毒传染性对预计感染时间（TTPI）的影响。
• 提供一个灵活的框架，可轻松根据病毒排放、灭活或通风标准的新数据进行更新。

提出的方法

• 模型求解空气传播感染颗粒浓度的对流-扩散-反应方程，其中对流来自气流，扩散来自湍流，去除通过通风、失活和重力沉降实现。
• 针对具有闭环气流再循环模式的准三维设置，推导出半解析解，实现无需CFD级复杂度的快速计算。
• 基于空间分辨的颗粒浓度，使用指数概率密度函数计算感染风险。
• 模型在真实世界广州某餐厅聚集性传播事件的CFD模拟结果上进行了验证，显示高度一致。
• 从理论上推导出预计感染时间（TTPI）与关键参数——通风速率（λ）、排放速率（R）和传染性（I）——之间的幂律关系。
• 该框架支持对不同房间几何形状、口罩使用和颗粒尺寸分布的动态重构，目前正持续扩展中。

实验结果

研究问题

• RQ1 单一感染源导致的空间变化空气浓度如何影响通风室内空间中的感染风险？
• RQ2 改善通风在多大程度上降低感染风险？是否存在优化不当反而增加风险的情况？
• RQ3 预计感染时间（TTPI）与通风速率、排放速率和病毒传染性之间存在何种关系？
• RQ4 能否通过一种快速、半解析模型在计算成本较低的前提下，复现CFD级别的精度以模拟真实疫情？
• RQ5 颗粒浓度的空间梯度如何影响传统Wells–Riley模型中均匀混合假设的有效性？

主要发现

• 该模型在真实广州餐厅聚集性传播事件中与CFD模拟结果高度一致，预测的平均感染风险为40%，与实际观察结果相符。
• 在通风极差的情况下，均匀混合假设会高估感染风险，因空间平均风险低于基于平均浓度预测的风险。
• 预计感染时间（TTPI）与通风速率λ在下风区域呈现非单调关系，随着通风改善，先下降后上升。
• 建立了TTPI与排放速率R之间的幂律关系，可快速预测不同活动或个体的感染风险。
• 同样发现了TTPI与病毒传染性I及易感者呼吸频率ρ之间的幂律关系，使模型可快速适应新毒株或暴露场景。
• 该模型可实现实时、快速的室内空间安全停留时间评估，支持大流行期间的动态政策决策。