Kontekst badania
Artykuł dotyczy problematyki transmisji infekcji w szpitalnych poczekalniach, które charakteryzują się dużym zagęszczeniem ludzi oraz dynamiczną zmianą rozkładu przestrzennego pacjentów. Dotychczasowe metody wentylacji opierały się na stałych ustawieniach, co prowadziło do niewystarczającej kontroli ryzyka infekcji i nadmiernego zużycia energii.
Cele i hipotezy
Celem badania było opracowanie inteligentnego systemu sterowania wentylacją w oparciu o ocenę rozkładu ryzyka infekcji w wymiarze czasowo-przestrzennym. Hipotezą badania było to, że dynamiczna regulacja wentylacji może jednocześnie minimalizować ryzyko infekcji i ograniczać zużycie energii.
Metody badawcze
Zastosowano symulacje numeryczne (CFD) do analizy rozkładu cząstek zakaźnych w przestrzeni oraz obliczeń wskaźnika frakcji wdychania (iF). Opracowano model predykcyjny z wykorzystaniem sieci neuronowych (ANN) do szybkiego prognozowania ryzyka infekcji w różnych warunkach. Badania przeprowadzono na przykładzie rzeczywistej poczekalni szpitalnej, a dane dotyczące liczby osób i czasu oczekiwania pochodziły z systemu rejestracji pacjentów.
Rezultaty badań i ich interpretacja
Efektywność dynamicznej wentylacji: Proponowany inteligentny system wentylacji oparty na ocenie czasowo-przestrzennego ryzyka infekcji pozwolił skutecznie kontrolować transmisję zakażeń w poczekalniach szpitalnych. Wartość współczynnika reprodukcji infekcji (R0) została utrzymana poniżej 1, co wskazuje na skuteczną minimalizację ryzyka rozprzestrzeniania się chorób zakaźnych.
Znaczne oszczędności energii: Dynamiczne dostosowywanie parametrów wentylacji do zmiennego zagęszczenia pacjentów oraz ich rozkładu przestrzennego pozwoliło na zmniejszenie zużycia energii o 16,95% do 79,60% w porównaniu z tradycyjnymi metodami, które zakładały stałe ustawienia przepływu powietrza. Oszczędności te zależały od specyficznych warunków w danej poczekalni, takich jak rozkład liczby pacjentów w czasie oraz ich rozmieszczenie.
Precyzyjne zarządzanie ryzykiem infekcji: Model predykcyjny, oparty na sztucznych sieciach neuronowych, umożliwił szybkie i dokładne oszacowanie ryzyka infekcji w różnych obszarach poczekalni. Uwzględnienie dynamicznych zmiennych, takich jak czas przebywania pacjentów w określonych strefach oraz ich liczba, pozwoliło na lepsze dostosowanie wentylacji do rzeczywistych potrzeb.
Zastosowanie w praktyce: Badanie wykazało potencjalną przydatność inteligentnego systemu wentylacji nie tylko w szpitalnych poczekalniach, ale także w innych przestrzeniach o dużej gęstości ludzi, takich jak lotniska, dworce czy sale konferencyjne. System może znacząco poprawić jakość powietrza w tych miejscach, jednocześnie minimalizując koszty energii.
Wspieranie zdrowia publicznego i zrównoważonego rozwoju: Proponowana metodologia łączy aspekty zdrowotne i środowiskowe, promując zdrowe środowiska wewnętrzne przy jednoczesnym ograniczeniu zużycia energii. Rozwiązanie to odpowiada na współczesne wyzwania związane z pandemią i potrzebą bardziej zrównoważonego podejścia w projektowaniu budynków.
Możliwości dalszego rozwoju: Mimo skuteczności systemu, autorzy podkreślają możliwość jego udoskonalenia poprzez uwzględnienie bardziej szczegółowych danych dotyczących indywidualnych zachowań pacjentów (np. kierunku ruchu, prędkości przemieszczania się), jak również różnic w poziomie emisji zakaźnych cząstek w zależności od specyfiki osób (np. ich aktywności fizycznej czy stanu zdrowia).
Podsumowując, inteligentny system wentylacji opracowany w ramach badania stanowi istotny krok w kierunku bardziej efektywnych i ekologicznych metod zarządzania jakością powietrza w przestrzeniach o dużym natężeniu ludzi, odpowiadając na potrzeby zarówno zdrowia publicznego, jak i ochrony środowiska.
Wnioski
Badanie potwierdziło skuteczność inteligentnego systemu wentylacji w redukcji ryzyka infekcji w szpitalnych poczekalniach przy jednoczesnym ograniczeniu zużycia energii. Metoda może być zastosowana także w innych przestrzeniach o dużym zagęszczeniu ludzi, takich jak lotniska czy dworce.
Ograniczenia zakresu badawczego
Ograniczenia badania obejmują założenie o jednolitych parametrach emisji cząstek zakaźnych oraz brak uwzględnienia indywidualnych zachowań pacjentów, takich jak ruch czy interakcje społeczne. Ponadto zastosowano uśrednione parametry masek ochronnych, co mogło wpłynąć na dokładność oceny ryzyka.
Artykuł opublikowany w Building and Environment.