Exposure to bioagents can cause sev

Exposure to bioagents can cause several health problems,
including acute allergies, infectious diseases, and myctoxicosis.
Nevertheless, all conventional methods
for measuring airborne bioaerosols have significant limitations
such as high cost, prolonged measurement time, and discontinuous measurements.

This work develops a simple and cost-effective method for indoor airborne bioaerosols that uses monitoring data such as coarse particle (PM10), fine particle (PM2.5), and carbon dioxide (CO2) concentrations, and temperature (Temp), and relative humidity (RH) both indoors and outdoors. Some IAQ management data, such as the number of stories, air ventilation types, air exchange rate, potential indoor particulate sources, and population density were quantified in this study. Both monitoring data and management data are considered simultaneously, and multiple linear regression and nonlinear regression analyses are applied to develop prediction models for bacteria and fungi concentrations in office buildings. The indoor and outdoor air qualities of 37 office buildings in Taipei, Taiwan were sampled to develop the prediction models for buildings in Taipei Metropolitan.

Results showed that the predictions of a single office building were better than those of all office buildings in the city. The prediction using multiple linear regression models performed best for both indoors bacteria and fungi concentrations. Furthermore, analytical results show that the prediction with both monitoring and management data inputs were better than with monitoring data only. This real-time prediction model can serve as a simple and cost-effective tool for predicting bioaerosol concentrations to identify and prevent IAQ problems.

ผลลัพธ์ (ไทย) 2:

การสัมผัสกับ bioagents
สามารถทำให้เกิดปัญหาสุขภาพหลายรวมทั้งโรคภูมิแพ้เฉียบพลัน, โรคติดเชื้อและ myctoxicosis.
แต่ทุกวิธีการทั่วไปสำหรับการวัด bioaerosols อากาศมีข้อ จำกัด อย่างมีนัยสำคัญเช่นค่าใช้จ่ายสูงเวลาที่วัดเป็นเวลานานและการวัดต่อเนื่อง. งานนี้พัฒนาที่ง่ายและ วิธีการที่มีประสิทธิภาพสำหรับ bioaerosols อากาศในร่มที่ใช้ข้อมูลการตรวจสอบเช่นอนุภาคหยาบ (PM10) อนุภาคขนาดเล็ก (PM2.5) และก๊าซคาร์บอนไดออกไซด์ (CO2) ความเข้มข้นและอุณหภูมิ (ชั่วคราว) และความชื้นสัมพัทธ์ (RH) ทั้งในร่ม และกิจกรรมกลางแจ้ง บาง IAQ การจัดการข้อมูลเช่นจำนวนของเรื่องราวประเภทระบายอากาศอัตราแลกเปลี่ยนอากาศแหล่งน้ำในร่มอนุภาคที่มีศักยภาพและความหนาแน่นของประชากรที่ถูกวัดในการศึกษานี้ ทั้งข้อมูลการตรวจสอบและการจัดการข้อมูลที่มีการพิจารณาพร้อมกันและหลายถดถอยเชิงเส้นและการวิเคราะห์การถดถอยเชิงเส้นถูกนำมาใช้ในการพัฒนาแบบจำลองการคาดการณ์สำหรับแบคทีเรียเชื้อราและความเข้มข้นในอาคารสำนักงาน คุณภาพอากาศในร่มและกลางแจ้ง 37 อาคารสำนักงานในไทเป, ไต้หวันได้รับการเก็บตัวอย่างในการพัฒนาแบบจำลองทำนายสำหรับอาคารในกรุงไทเปและปริมณฑล. ผลการศึกษาพบว่าการคาดการณ์ของอาคารสำนักงานเดียวได้ดีกว่าของทุกอาคารสำนักงานในเมือง การคาดการณ์โดยใช้แบบจำลองการถดถอยเชิงเส้นหลายดำเนินการที่ดีที่สุดสำหรับทั้งเชื้อแบคทีเรียในบ้านและความเข้มข้นของเชื้อรา นอกจากนี้ผลการวิเคราะห์แสดงให้เห็นว่าการคาดการณ์ที่มีทั้งการตรวจสอบและการจัดการปัจจัยการผลิตข้อมูลได้ดีกว่าที่มีข้อมูลการตรวจสอบเท่านั้น รุ่นนี้คาดการณ์เวลาจริงสามารถทำหน้าที่เป็นเครื่องมือที่ง่ายและมีประสิทธิภาพในการทำนายความเข้มข้น bioaerosol การระบุและการป้องกันปัญหา IAQ

ผลลัพธ์ (ไทย) 3:

การ bioagents สามารถทำให้เกิดปัญหาสุขภาพหลายอย่าง
รวมทั้งโรคภูมิแพ้ , โรคเฉียบพลันและ myctoxicosis ติดเชื้อ

อย่างไรก็ตามวิธีการวัดอากาศละอองลอยชีวภาพมีข้อจำกัดสำคัญ
เช่น ค่าใช้จ่ายสูง วัดเวลา นาน และวัด

ไม่ต่อเนื่องงานนี้พัฒนาง่าย และคุ้มค่าสำหรับวิธีการในร่มอากาศละอองลอยชีวภาพที่ใช้ตรวจสอบข้อมูล เช่น อนุภาคหยาบ ( PM10 ) อนุภาค ( pm2.5 ) และก๊าซคาร์บอนไดออกไซด์ ( CO2 ) ความเข้มข้นและอุณหภูมิ ( Temp ) และความชื้นสัมพัทธ์ ( RH ) ทั้งภายในอาคารและนอกอาคาร บางอย่างในอากาศ การจัดการข้อมูล เช่น จำนวนของเรื่องราว รูปแบบการไหลของอากาศ อัตราการแลกเปลี่ยนอากาศแหล่งที่มาของอนุภาคในศักยภาพ และความหนาแน่นของจำนวนวัดในการศึกษานี้ ทั้งการตรวจสอบข้อมูลและการจัดการข้อมูล จะพิจารณาพร้อมกัน และสมการถดถอยพหุคูณ และการวิเคราะห์การถดถอยเชิงเส้นเพื่อประยุกต์ใช้ในการพัฒนาแบบจำลองเพื่อพยากรณ์ปริมาณแบคทีเรียและเชื้อราในอาคารสํานักงานคุณภาพอากาศในร่มและกลางแจ้ง 37 อาคารสำนักงานในกรุงไทเป ประเทศไต้หวัน จำนวนที่จะพัฒนาแบบจำลองการคาดการณ์สำหรับอาคารในไทเปนครหลวง .

ผลการคาดการณ์ของสำนักงานเดียวได้ดีกว่าของอาคารทั้งหมดในเมืองการทำนายโดยใช้ตัวแบบการถดถอยเชิงเส้นพหุคูณปฏิบัติที่ดีที่สุดสำหรับทั้งข้างใน แบคทีเรีย และเชื้อรา เข้มข้น นอกจากนี้ ผลการศึกษาแสดงให้เห็นว่าการทำนายที่มีทั้งการติดตามและการจัดการข้อมูลกระผมดีกว่า ด้วยการตรวจสอบข้อมูลเท่านั้นแบบจำลองการทำนายนี้แบบเรียลไทม์ สามารถใช้เป็นเครื่องมืออย่างง่าย และมีประสิทธิภาพ เพื่อทำนายปริมาณละอองลอยชีวภาพเพื่อระบุและป้องกันปัญหาในอากาศ .