[论文解读] 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 6

一句话总结

本文提出了一种基于分子通信（MC）的统计模型，用于分析无症状个体在佩戴贴合度不佳的口罩时，空气中SARS-CoV-2的传播情况。通过建模呼气与吸气的气流动力学，研究发现口罩贴合度显著影响感染概率，尤其是在感染剂量处于临界范围时，该模型提供了超越平均传播率的全面风险评估。

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.

研究动机与目标

• 为解决现有空气中SARS-CoV-2传播风险评估模型中缺乏对真实口罩泄漏和呼吸动力学的综合考量的问题。
• 研究贴合度不佳的口罩（尤其是存在缝隙时）如何影响呼气与吸气过程中传染性气溶胶（IAs）的随机过滤效果。
• 构建一个统计框架，捕捉超越平均值的IA传播随机性，从而实现对低概率、高影响传播事件的风险分析。
• 量化物理口罩参数（如缝隙高度和粘性多孔阻力）在不同感染剂量下对感染概率的影响。

提出的方法

• 将全程空气传播病毒过程建模为分子通信（MC）系统，将传染性气溶胶视为信号分子。
• 利用基于生理呼吸模式推导出的时间相关流速剖面，对呼气与吸气的气流动力学进行建模。
• 引入通过口罩缝隙的传染性气溶胶（IA）的随机泄漏概率，其参数化为缝隙高度（Htx_g）和粘性多孔阻力（Crx_m）。
• 采用5,000次随机呼吸周期的蒙特卡洛模拟，计算IA传播概率的经验分布。
• 推导吸入传染性气溶胶（IAA）的累积分布，并将感染概率定义为P(IAA ≥ θ)，其中θ为给定阈值。
• 通过数值评估分析口罩贴合度与呼吸动力学对传播统计的影响，尤其关注极端结果。

实验结果

研究问题

• RQ1 感染者口罩的贴合度，特别是缝隙高度，如何影响传染性气溶胶向健康个体传播的概率？
• RQ2 动态呼气与吸气气流模式在多大程度上影响通过贴合度不佳口罩的IA随机过滤？
• RQ3 由于口罩泄漏导致的IA传播概率在呼气与吸气阶段之间的变异性有何差异？
• RQ4 在何种感染剂量范围内，感染概率对口罩贴合度的变化最为敏感？
• RQ5 统计MC模型能否有效捕捉超越一阶平均值的传播随机性，从而实现全面的风险评估？

主要发现

• 当感染剂量θ介于2至12个颗粒之间时，感染概率对感染者口罩缝隙高度（Htx_g）极为敏感，表明存在一个关键的易感范围。
• 当感染剂量较高（θ ≫ 12）时，口罩贴合度对感染概率的影响减弱，表明在高暴露条件下，口罩质量的影响降低。
• 与健康个体吸气时相比，感染者呼气时IA泄漏概率的分布范围显著更宽，表明排放过程的随机性更大。
• 吸气流速动力学的动态范围小于呼气，导致通过健康个体口罩的IA泄漏更可预测且变异性更小。
• 仅依靠平均流速不足以评估过滤效率；必须考虑动态气流模式，因其对随机泄漏具有强烈影响。
• 所提出的MC模型成功捕捉了传播的随机性，并支持了考虑罕见但高影响传播事件的统计风险分析。