[论文解读] Predictive and retrospective modelling of airborne infection risk using monitored carbon dioxide

Henry C. Burridge, Shiwei Fan+3 more|arXiv (Cornell University)|Sep 7, 2020

Infection Control and Ventilation参考文献 16被引用 10

一句话总结

本文提出一种实用模型，利用监测或模拟的CO2浓度、人员数量及随时间变化的气溶胶生成速率，估算常规使用室内空间中的空气传播感染风险。结果表明，通风不足或高声活动可能导致每位传染者引发超过一次继发感染，尤其在传染性更强的变异株（如B1.1.7）情况下更为明显。

ABSTRACT

The risk of long range, herein ‘airborne', infection needs to be better understood and is especially urgent during the COVID-19 pandemic. We present a method to determine the relative risk of airborne transmission that can be readily deployed with either modelled or monitored CO 2 data and occupancy levels within an indoor space. For spaces regularly, or consistently, occupied by the same group of people, e.g. an open-plan office or a school classroom, we establish protocols to assess the absolute risk of airborne infection of this regular attendance at work or school. We present a methodology to easily calculate the expected number of secondary infections arising from a regular attendee becoming infectious and remaining pre/asymptomatic within these spaces. We demonstrate our model by calculating risks for both a modelled open-plan office and by using monitored data recorded within a small naturally ventilated office. In addition, by inferring ventilation rates from monitored CO 2 , we show that estimates of airborne infection can be accurately reconstructed, thereby offering scope for more informed retrospective modelling should outbreaks occur in spaces where CO 2 is monitored. Well-ventilated spaces appear unlikely to contribute significantly to airborne infection. However, even moderate changes to the conditions within the office, or new variants of the disease, typically result in more troubling predictions.

研究动机与目标

• 开发一种可部署的方法，利用易于获取的CO2和人员数量数据估算室内空间中的空气传播感染风险。
• 评估单个处于潜伏期或无症状状态的传染者在持续有人使用的空间（如办公室和教室）中引发继发感染的绝对风险。
• 通过历史CO2测量数据，实现对过去通风和暴露条件的回顾性建模，以推断感染风险。
• 评估通风、人员数量及病毒传播力变化（如B1.1.7变异株）对继发感染风险的影响。
• 提供一种通用框架，适用于任何空气传播传染病，不仅限于SARS-CoV-2。

提出的方法

• 通过引入随时间变化的人员数量和活动水平，扩展Wells-Riley模型，放宽了空气充分混合的假设。
• 利用监测或模拟的CO2浓度作为通风速率的代理指标，基于关系式λ ∝ (C − C₀)，其中C为CO2浓度，C₀为背景浓度。
• 应用改进的感染风险方程：λ = (C − C₀)αq/Ca，其中λ为感染率，α为转换因子，q为气溶胶生成速率，Ca为参考浓度。
• 整合随时间变化的气溶胶生成速率（q(t)），以模拟传染性在潜伏期或无症状阶段的变化。
• 使用建模的开放式办公空间和真实监测的自然通风办公室CO2数据对模型进行验证。
• 通过从CO2趋势推断通风速率，并重建过去时间段的感染风险，实现对感染风险的回顾性估计。

实验结果

研究问题

• RQ1 如何仅利用监测的CO2和人员数量数据估算常规使用室内空间中的空气传播感染风险？
• RQ2 在一个持续有人使用的办公室中，单个处于潜伏期或无症状状态的传染者可能引发多少例继发感染？
• RQ3 空气传播风险如何随通风速率、人员数量及活动水平（如说话与安静工作）而变化？
• RQ4 历史CO2数据是否可用于在疫情发生后重建过去的空气传播感染风险？
• RQ5 在B1.1.7变异株等传播力增强的情况下，不同环境条件下继发感染风险如何变化？

主要发现

• 对于通风充分的开放式办公空间（≥10 L/s/p），安静的桌面工作不太可能通过空气途径显著促进SARS-CoV-2传播。
• 在通风不良的情况下（如4 L/s/p），办公室内单个传染者可能引发的继发感染平均数接近或超过1例。
• 对于传染性更强的B1.1.7变异株，即使通风充分的办公室也可能出现每位传染者引发超过一次继发感染的情况。
• 在高声活动环境（如呼叫中心），单个传染者引发的继发感染平均数可能在2至4例之间，表明存在显著的空气传播风险。
• 在保持通风不变的前提下，将人员数量减少为原来的1/r，可使预期继发感染数减少为原来的1/r²，表明部分复工是一种可行的缓解策略。
• 监测过量CO2（C − C₀）可作为实时感染风险上升的实用代理指标，从而实现对环境条件的主动调整以降低传播风险。