考慮人員密度分布的兒童醫(yī)院候診空間感染風險研究

劉?剛，張亦弛，曲冠華，劉?薇，李偉鋒，崔?磊

考慮人員密度分布的兒童醫(yī)院候診空間感染風險研究

劉?剛1, 2，張亦弛1, 2，曲冠華1, 2，劉?薇3，李偉鋒3，崔?磊4

(1. 天津大學建筑學院，天津 300072；2. 天津市建筑物理環(huán)境與生態(tài)技術重點實驗室，天津 300072；3. 天津大學兒童醫(yī)院，天津 300190；4. 天津市城市規(guī)劃設計研究院，天津 300074)

醫(yī)院候診室由于人員等候時間長、聚集嚴重，是流感暴發(fā)的高危地帶，既有研究表明可以通過適當?shù)耐L控制策略有效降低候診室的感染風險．本文對使用頻率最高的小型候診室感染風險及粒子清除效率進行研究．通過圖紙調(diào)研和實地調(diào)研，提煉綜合兒童醫(yī)院內(nèi)科候診室典型室內(nèi)空間，以內(nèi)/外走廊送風啟閉、候診室內(nèi)風口形式、通風換氣次數(shù)以及外走廊風速為研究變量，探究其對候診室內(nèi)粒子運動軌跡、粒子清除效率以及感染風險分布的影響. 通過CFD非耦合粒子擴散仿真和Anylogic人員仿真，并結合Wells-Riley經(jīng)典感染方程，得到醫(yī)院候診空間人員感染風險．研究表明：不同候診室風口形式對患者附近粒子擴散軌跡有較大影響，直接影響粒子清除效率和清除途徑；對于小型候診室優(yōu)先選擇格柵送風，避免選用散流器；鼓勵開啟外走廊送風，同時關閉內(nèi)走廊送風，可加速候診室內(nèi)的氣體流動，同時避免粒子擴散進入內(nèi)走廊．相同條件下，開啟內(nèi)走廊送風會明顯增加外走廊粒子濃度，易造成更大范圍的院內(nèi)感染．不同送風形式下存在最優(yōu)室內(nèi)換氣率，一般建議在10/h左右，過高的換氣率并不會提高粒子清除效率，反而會增加候診室的高風險面積比．該研究成果可為降低醫(yī)院感染風險的通風設計提供理論支撐.

季節(jié)性流感；候診空間；人員分布；感染風險；粒子清除效率

世界每年有大量患者死于呼吸道傳染病，而醫(yī)院作為人員混雜密集的地方，是感染暴發(fā)的危險地帶，應把控制院內(nèi)感染放在重要位置．感染的傳播途徑可分為空氣、飛沫和接觸傳播[1-2]，其中空中傳播對呼吸道傳染病擴散占主導地位[3]．

關于建筑室內(nèi)流感暴露風險的模擬研究大致分為宏觀(單區(qū)域或多區(qū)域模型)[4]和微觀(流體力學計算)兩種方法[5]，雖然基于CFD的流體力學計算耗時長，但計算結果較宏觀方法更為準確[6]．通過Wells-Riley模型[7]可以對空氣傳播疾病的感染風險進行定量評估[8]，依據(jù)該方程，某一空間的感染風險由粒子濃度、人員密度、人員停留時間決定．若人員不會或較少到達某一區(qū)域，則較高的粒子濃度也不一定會導致感染；反之，若該區(qū)域人員大量聚集停留，即使少量的粒子造成的院內(nèi)感染也不容忽視．但目前，大量的研究將空間感染風險關注點放在粒子濃度上，將人員密度納入到影響因素中的研究相對較少．Clive?等[9]曾用宏觀方法將人員占用水平和候診時間納入到候診室感染風險研究中．

目前，對院內(nèi)感染的研究空間主要集中在病房和隔離室，已有大量學者對風口布置方式、換氣率、空間壓力差等影響因素進行了廣泛研究．如Jinkyun[10]在隔離室中實驗并模擬了多種風口排布的通風控制策略，最終發(fā)現(xiàn)“低水平抽吸”技術效果顯著．Yan?等[11]在一個典型的半封閉6床的病房中研究表明，提高病房換氣率可降低吸入感染的風險，發(fā)現(xiàn)9/h的換氣速率可以有效控制病毒顆粒的沉積和漂浮時間．但已有研究對公共空間討論較少，有限的研究集中在外走廊，如Mousavi[12]研究發(fā)現(xiàn)，增加住院樓外走廊通氣率可以降低氣溶膠濃度，但更高的通風率可能會加劇氣溶膠的分布，并找到了可有效降低氣溶膠濃度的通風布置方法．Agtasari等[13]對近10年的文獻進行梳理，發(fā)現(xiàn)走廊形式與醫(yī)院內(nèi)感染傳播的風險之間存在相關性．僅有對候診室的研究[9]是采用宏觀方法，探討了醫(yī)院候診空間中麻疹、流感、結核病的空氣傳播風險．候診室作為公共空間，人員活動頻繁，停留時間較長，應該成為控制院內(nèi)感染的重點關注區(qū)域．

本研究采用圖紙調(diào)研、實地調(diào)研結合仿真分析的方法，提取綜合醫(yī)院典型候診空間的室內(nèi)布局以及通風控制參量．結合CFD仿真獲得不同送風條件下的室內(nèi)粒子濃度，通過Anylogic人員仿真得到研究空間中人員累積密度分布，引入Wells-Riley經(jīng)典模型得到候診空間感染風險分布．本研究以風口形式、送風位置、候診室換氣率以及外走廊風速作為研究變量，分別對氣流組織、粒子運動軌跡、粒子清除效率、粒子分布及空間感染風險進行了詳細分析．本文的研究結果，可為醫(yī)院候診空間通風控制提供量化參考和理論支撐．

1?研究方法

1.1?典型空間及空間變量提取

本研究通過對中國北方地區(qū)兒童醫(yī)院的圖紙和規(guī)范調(diào)研，提取兒童醫(yī)院候診空間標準模型．本文對14家兒童醫(yī)院的34個候診空間進行參量提取，各類空間尺度的候診室數(shù)量均等，因此將候診室面積數(shù)據(jù)的全距三等分：55～125m2，125～185m2，185～275m2．從實際使用角度，185～275m2面積段的使用率遠遠低于另外兩個，而125～185m2多用于人員流動性較高的檢查候診室，數(shù)量相對較少，且高流動性加速了粒子擴散[14]，計算難度較大．因此以55～125m2為例，大部分空間長寬比約為1.5∶1～2.0∶1，在該范圍內(nèi)選用長寬比的加權平均1.87∶1為代表值，同時選用使用頻率最高、空間布局更合理、人員流線更順暢的布局形式．綜上，本文選取圖1中與典型候診空間匹配度最高的天津市某三級甲等綜合兒童醫(yī)院內(nèi)科候診室進行研究．

目前，統(tǒng)計的候診空間中有92%采用上送上回的形式，且該形式下室內(nèi)顆粒分布最優(yōu)[15]．送風位置有外走廊、候診室以及內(nèi)走廊，在候診室送風中分別研究了座位區(qū)完成送回風及座位區(qū)送風、導診區(qū)回風這兩種形式，分別對應研究中的四面送風、散流器和送風格柵．按照送風口布置于人員相對密集的座位區(qū)原則，得到圖1(a)中的風口布置形式．此外，還分別探究內(nèi)走廊散流器和外走廊格柵對研究空間感染風險的影響．共形成以下5種風口布置及啟閉形式：形式A，候診室設置四面送風結合內(nèi)走廊入口處設置散流器；形式B，僅開啟候診室的四面送風；形式C，開啟候診室四面送風及外走廊格柵送風；形式D，僅開啟候診室的散流器；形式E，僅開啟候診室的送風格柵．候診室采用四面送風(回風口：0.6m×0.6m，送風口：0.10m×0.85m)，內(nèi)走廊端部設置散流器(0.45m×0.45m)作為新風口，在候診室入口外上部設置送風格柵(0.15m×1.20m)，在對側設置回風格柵(0.15m×1.20m)．圖1(b)中，散流器尺寸0.32m×0.32m，回風口尺寸0.15m×0.8m．圖1(c)中，送回風口尺寸0.15m×0.7m．選用的風口形式見圖2．

圖1?風口布置形式

圖2?研究中選用的風口形式

1.2?候診室現(xiàn)場測試

所調(diào)研醫(yī)院位于天津主城區(qū)內(nèi)，周邊設施完備．選取流感爆發(fā)季12月的4個工作日和4個休息日，進行物理環(huán)境和人員數(shù)量調(diào)研．測量儀器選用TSI-9545熱線風速儀和FLIR-T1010高清紅外熱成像儀．為減小誤差，每個測點的風速風溫測量數(shù)據(jù)采集3min內(nèi)的平均值．分別測量了風口風速、壁面溫度，測量結果作為CFD模擬的邊界條件，還測量了室內(nèi)1.1m和1.7m高度的風速和溫度，分別對應人員靜坐和站立的呼吸高度，測量結果作為模擬校準依據(jù)．調(diào)研期間，醫(yī)院候診室門窗關閉，送風關閉，僅開啟外走廊送風．

人數(shù)調(diào)研采用數(shù)據(jù)分析和監(jiān)控計數(shù)的方式．就診數(shù)據(jù)分析得到就診峰值出現(xiàn)在上午10:00—11:00.監(jiān)控計數(shù)采用8天中，上午08:00—12:00時段內(nèi)每15min進入和離開候診室的人數(shù)、每30min站立和就坐的人數(shù)及兒童的陪護比，并結合當日門診數(shù)量估算出每位患者的平均就診時間，用作輸入?yún)⒘康脑O置依據(jù)．此外，還統(tǒng)計了每30min不同區(qū)域內(nèi)人數(shù)，用作結果校核依據(jù)．人員模擬位置如圖3所示．

圖3?人員模擬位置標識

1.3?人員分布仿真計算

結合調(diào)研結果，在Anylogic中按照圖4設定仿真邏輯：人員按照表1，以0.68～1.36m/s[16]的速度隨機從M或N位置進入走廊，當候診室人數(shù)少于60時，可直接進入候診室，否則需在等候區(qū)1等待，直到有人離開方可進入．進入候診室后，80%的人就坐于服務區(qū)1，20%站立在服務區(qū)2．當被叫號后，患者及其家屬需先在內(nèi)走廊入口處排隊等待呼傳．設定就診陪護比為1.9～2.5范圍內(nèi)的隨機值．完成就診后，從M或N位置隨機離開．最后，計算候診室上午8:00—12:00的人員密度分布矩陣．

圖4?人員仿真邏輯

表1?進入候診室數(shù)量及人員時間

Tab.1?Number of waiting rooms and personnel schedule

1.4?Anylogic人員分布仿真計算

1.4.1?流場及人員建模

空間中的人群會阻塞空氣流動并極大地改變空氣分布，因此候診空間建模需考慮人員分布．依據(jù)2010年人類整合設計手冊[17]簡化得到圖5的人員尺寸，通過Gambit還原圖6中候診空間．考慮人員散熱對室內(nèi)氣流的影響，同時考慮人員遮擋對粒子擴散的影響．仿真以候診區(qū)座位滿載進行，設定導診臺有2名醫(yī)護，導診臺前有4名排隊患者，走廊入口有5名排隊患者，候診室入口有2名值班人員．設定感染者位于服務區(qū)2的中央位置，該位置為人員密集度最高和停留時間最長、流動性最差的位置，且該位置位于風口附近，更促進了粒子擴散，因此認為該位置為患者停留的最不利位置．

圖5?人體建模尺寸

圖6?典型候診室仿真模型

1.4.2?模擬邊界條件確定

本研究采用Fluent 17.0進行室內(nèi)風熱環(huán)境計算及粒子擴散仿真．完全混合的穩(wěn)態(tài)計算更適用于大量人群環(huán)境的計算[18]，穩(wěn)態(tài)CFD有助于預測和比較不同工況間氣流和粒子分布[19]，因此選擇-RNG模型對氣流場進行穩(wěn)態(tài)計算[20]．人體移動可以加快污染物的擴散，但不能改變污染物濃度[11]，所以仿真未考慮人員移動.模擬考慮冬季太陽輻射得到的熱量.風口設置湍流強度為10％．在求解器中設置-9.8m/s2的重力加速度，壓力的空間離散方法選擇Body Force Weighted．網(wǎng)格中心參量選用在多面體網(wǎng)格計算中具有較高精度的最小二乘法．求解器選擇SIMPLE，原始迭代次數(shù)為1500，當計算達到900次迭代時，整體殘差減少3個數(shù)量級，能量殘差減少至10-6，認為計算已收斂．

依據(jù)醫(yī)院設計規(guī)范，確定表2中的模擬邊界條件，其中水平送風時風向為0°．模擬分別進行了350×104、450×104、550×104、650×104網(wǎng)格的迭代計算，將風速云圖導入diffimg分析差異度，發(fā)現(xiàn)隨網(wǎng)格精度提高，RGB通道的均方誤差降低，但計算時長增大．當網(wǎng)格數(shù)量從450×104提高到550×104，再由550×104到650×104時，兩者均方誤差較低．綜合衡量計算時間和計算精度，選用450×104網(wǎng)格數(shù)量．

表2?室內(nèi)風口相關控制參數(shù)設置

Tab.2?Set-related control parameters of indoor tuyeres

1.4.3?模擬邊界條件確定

在候診室物理環(huán)境復現(xiàn)基礎上，進行粒子濃度擴散計算．由于呼吸氣流對上升的熱羽流的影響可以忽略不計[14]，因此，不考慮易感者的呼吸作用．假定感染者持續(xù)講話，污染物通過講話以0.005kg/s的質(zhì)量流量和33.5℃的溫度從感染者口中噴出，嘴張開的面積為0.0049m2，靜坐人員嘴高度1.05m．說話時粒子初始速度5m/s，直徑約1.0～7.8μm，且服從正態(tài)分布[20]．流場會影響粒子擴散，但粒子對流場的影響卻非常小，因此選用uncoupled DPM模型，計算達到穩(wěn)定后，注入1440個粒子．粒子擴散考慮阻力、重力、布朗力、薩夫曼升力、虛擬質(zhì)量力和壓力梯度力．選擇歐拉-拉格朗日方法模擬顆粒運動[21]．粒子設置追蹤50000步，可保證全部粒子完成整個運動軌跡．設定離散相邊界墻和屋頂為reflect，地面為trap，風口為escape，經(jīng)驗證[22]這種設置方法可使得模擬和實驗結果差異度最低．

分別統(tǒng)計通風清除效率、地板捕獲率、粒子清除效率．其中，通風清除率指被風口清除以及隨氣流離開研究區(qū)域的粒子占呼出總數(shù)量百分比；地板捕獲率指被地板捕獲的粒子數(shù)量占總數(shù)量百分比；粒子清除效率為前兩者的和．

1.5?感染風險計算

研究采用“網(wǎng)格內(nèi)粒子源”(PSI-C)方法計算每個網(wǎng)格范圍內(nèi)的粒子濃度[23]，將候診室離散成多個小體積區(qū)域，每個小體積中都包含了一定數(shù)量的粒子歷史軌跡，結合粒子在該腔體內(nèi)的停留時間，計算得到腔體內(nèi)粒子濃度，計算公式為

式中：C為第個腔體的粒子濃度；V為該腔體體積；為質(zhì)量流率，取0.005kg/s；d(，)為第個粒子在第個單元的停留時間．每個腔體尺寸為0.2m×0.2m，腔體高取0.8～1.8m[12]人員呼吸范圍，包含坐和站立人員呼吸范圍．引入Wells-Riley方程[7]，以評估人員感染風險，公式為

式中：為感染的可能性；為感染者數(shù)量，為某計算網(wǎng)格中易感者的數(shù)量；為量子生成速率，對于季節(jié)性流感，取1.6667×10-4m2/s；為乘客的呼吸速率；為乘客的暴露時間，外走廊和服務區(qū)1為900s，服務區(qū)2為1800s．

在上述網(wǎng)格劃分基礎上，引入高風險面積比，即各個網(wǎng)格中感染風險大于警戒值的面積和占研究區(qū)域總面積的百分比．文獻[24]在計算新冠肺炎感染風險時，將警戒值設定為0.1%、0.5%、1.0%、1.5%、2.0%．文獻[9]分別以1%、5%、10%、20%、30%為感染風險警戒值，對室內(nèi)不同疾病進行感染風險評估．本研究根據(jù)感染風險計算結果的數(shù)值分布，以1%和5%為警戒值分別討論了高風險面積比和感染風險分布．

2?結果分析

2.1?模擬校核

2.1.1?人員分布校核

選擇最不利的休息日情況進行計算．圖7為上午8：00—12：00的累積熱力圖計算結果．其中，人員大量集中在等候區(qū)1和服務區(qū)1，服務區(qū)1的人員更傾向于坐在前3排的位置，服務區(qū)2與內(nèi)走廊相接的位置密度也相對較大，這些位置與人員調(diào)研得到的聚集規(guī)律相同．為更好驗證模擬的準確性，對3個區(qū)域的模擬準確性進行校核，得到人數(shù)的平均絕對誤差為8.6%，認為滿足準確性要求．

圖7?候診室上午8:00—12:00累積熱力圖

2.1.2?風熱環(huán)境模擬校核

基于Fluent模擬平臺，得到典型候診空間室內(nèi)風場和溫度場計算結果如圖8所示，候診室平均溫度約為21.1℃，走廊平均溫度為20.5℃，滿足實際室溫情況．圖9為模擬結果與醫(yī)院調(diào)研測試結果校核，測點布置如圖3所示，得到室內(nèi)溫度的平均絕對誤差為1.56%，室內(nèi)風速平均誤差為0.030m/s．

圖8?1.1m高度處室內(nèi)風速及溫度場結果

圖9?1.1m高度處實測與模擬結果對比

2.2?氣流組織

2.2.1?氣流分析

影響粒子擴散的關鍵為空氣流動[10]．圖10和圖11為當室內(nèi)換氣率為10/h時，不同送風形式下的氣流組圖．當在座位區(qū)布置送風口時，氣流整體由座位區(qū)向入口位置流動，最后到達外走廊．從圖10來看，當采用散流器時，新風影響范圍停留在空間1.8m高度以上，不能有效到達呼吸區(qū)域，這不利于座位區(qū)粒子稀釋．反觀當候診室采用格柵和四面送風時，新風能有效到達人員呼吸區(qū)域，甚至可達地面，利于粒子被地面捕捉．圖11為水平面1.1m的風速及氣流圖，除風口下面直接受送風影響的區(qū)域外，在候診室入口位置風速均較大，使用散流器時，座位區(qū)域的風速最小，平均小于0.1m/s，而格柵和四面送風工況下的相應風速則較大．

通過對圖12中標記截面及標記位置的氣流及垂直風速分析，得到內(nèi)外走廊送風對室內(nèi)氣流的影響結果．未開啟內(nèi)外走廊送風時，從候診室座位區(qū)上部風口送出的新風吹向導診臺位置，在導診臺上方分流，一部分流向外走廊，另一小部分流向內(nèi)走廊上部，并從距地面0.9m高度回到候診室，形成循環(huán)．當開啟內(nèi)走廊散流器，并保持室內(nèi)換氣率不變，流向外走廊的氣流加強，同時改變了內(nèi)走廊的氣流．圖13(a)中，內(nèi)走廊標記位置垂直風速與未開啟工況有較大差異．未開啟時，風速呈現(xiàn)上下大、中間1.5m位置小的狀態(tài)；開啟時，中間位置風速最大，新風從內(nèi)走廊中間高度開始完成循環(huán)．當設置1.0m/s的外走廊送風時，可將候診室內(nèi)更多的空氣吸出到走廊，可加快候診室內(nèi)部空氣循環(huán)．

圖10?候診室不同送風形式下室內(nèi)風口剖面處氣流

圖11?候診室不同送風形式下室內(nèi)水平1.1m高度處氣流

圖12?不同內(nèi)外走廊送風條件下y＝3.0m剖面氣流

圖13?不同送風條件下標記位置垂直風速比較

2.2.2?患者附近粒子擴散分析

為探究不同送風形式對患者附近的粒子擴散影響情況，截取患者前后坐位范圍，對粒子擴散軌跡進行分析，圖14為患者呼出的粒子在60s內(nèi)的擴散情況．

從形式A、B、C 3種形式來看，在開啟內(nèi)走廊送風時，相當于分散了風口布置，粒子在患者后方的聚集減少，一部分粒子向上擴散，從而降低了患者附近地面捕獲的粒子數(shù)量，因此地板捕獲率呈現(xiàn)形式B＞形式C＞形式A的情況，粒子向上擴散，降低了對前后方人員的直接影響．在開啟外走廊送風時，加快了患者附近的氣流速度，雖然粒子仍大量聚集在患者附近，但數(shù)量明顯降低，此時粒子對感染者后方的人員影響較大．由形式B、形式D、形式E 3種形式來看，候診室選用四面送風時，患者頭部附近粒子數(shù)量較多，大量粒子向下擴散至地面，而在散流器和送風格柵影響下，粒子并未在患者附近產(chǎn)生聚集，而是快速移動到1.3m以上位置，并被逐漸沖散．形式D中，粒子達到天花板后，開始水平擴散，而形式E中，粒子在格柵送風的作用下，在天花板產(chǎn)生了“反彈”，快速向患者前排位置處擴散，增加了前方人員的感染風險．同時由于這種“反彈”作用，增加了地面捕獲率，使候診室內(nèi)粒子數(shù)量和感染風險整體降低．

圖14?不同送風形式下患者附近的粒子擴散情況

2.3?粒子清除效率和地板捕獲效率

圖15展示了不同送風形式下的粒子清除情況．粒子的清除效率隨換氣率增加而增加，當換氣率達到10/h時，再提高換氣率對粒子清除效率影響不大，平均粒子清除效率僅爬升6.74%，其中形式B的提高最小，為0.14%，形式A最大，為15.14%．

圖15?不同送風形式下的粒子清除情況

不同送風形式下，粒子清除效率出現(xiàn)躍升的位置也不同．對于形式B，從6/h提高到8/h后，約升高42.64%，采用形式A、D、E的粒子清除效率提升位置相對滯后，均出現(xiàn)在8/h～10/h時，分別提高了34.79%、37.22%、11.88%．對于這4種送風形式，在相同換氣率下，形式D 的粒子清除效率低于另外3種，形式E的粒子清除效率整體較高，當換氣率為6/h時，可達到76.32%．在A、B兩種形式下，隨換氣率提高，地板捕獲率穩(wěn)步提升，換氣率從10/h提高到12/h時，地板捕獲率出現(xiàn)躍升．對于形式D和E，地板捕獲率與換氣率接近二次分布，在換氣率為10/h時，最大值57.50%和43.33%，繼續(xù)增大換氣率，地板捕獲率下降，粒子清除更多靠通風清除．

2.4?不同送風形式下的粒子空間分布

為探究不同送風形式對粒子在垂直方向上分布的差異，分別統(tǒng)計了換氣率為10/h時，服務區(qū)1和2、內(nèi)和外走廊4個位置的粒子分布．圖16展示了4個統(tǒng)計區(qū)域粒子分布情況．人員靜坐和站立時，口鼻高度分別在1.0～1.5m和1.45～1.75m范圍．在垂直方向以0.5m為步長，將0～3.0m的空間高度等分6段．對于人員大量聚集停留的候診室2區(qū)，重點關注0.5～1.0m及1.0～1.5m．對于外走廊位置，1.0～1.5m及1.5～2.0m為重點關注位置．

通過形式A、B、C送風形式的對比，探究得到內(nèi)外走廊送風對粒子分布的影響．形式B中，44.2%的粒子分布在外走廊0.5～1.5m位置，而內(nèi)走廊和服務區(qū)1的粒子更多在地面附近．反觀形式A，內(nèi)走廊送風有效阻止粒子向內(nèi)走廊擴散，但更多的粒子進入外走廊，這不利于院內(nèi)感染控制．除內(nèi)走廊外，粒子在垂直高度上均呈現(xiàn)先增后減的趨勢，且大量集中在0.5～1.5m范圍．形式C中外走廊送風可使研究區(qū)域粒子數(shù)量明顯降低，外走廊0.5～1.0m范圍的粒子數(shù)量占比由形式B中的27%下降到14%，但內(nèi)走廊的粒子數(shù)量明顯增多，由14%增加到了32.4%．通過形式B、D、E的對比，探究得到候診室內(nèi)送風形式對粒子分布的影響．形式D中，粒子集中在服務區(qū)1和2，內(nèi)外走廊的粒子數(shù)量約占2%，粒子擴散程度低，服務區(qū)2中集中在0.5～1.0m范圍的粒子超過50%，即大量聚集在靜坐人員呼吸范圍．在人員流動性較好的服務區(qū)1，粒子集中分布在0.5～1.5m范圍，占比高達28.04%，對于站立兒童有較高風險．形式E的粒子分布明顯不同，粒子從下而上逐漸減少，大量在0～0.5m的位置，少量分散在外走廊0.5～1.0m位置，均不構成對人員的感染威脅．

圖16?不同送風形式垂直方向粒子分布

2.5?感染風險分布

設定感染風險警戒值為1%，圖17(a)中警戒值為1%時，感染風險隨換氣率先降后增，換氣率為10/h～12/h時，空間感染風險控制較好，繼續(xù)增加換氣率反而使感染風險增加．圖17(b)為外走廊風速對感染風險影響．警戒值由1%增加到2%時，感染風險面積比平均降低了9.7%．高風險面積比隨外走廊送風速度增加，總體呈現(xiàn)先降后增的趨勢，當外走廊風速設定為1m/s時，整體感染風險最低．

圖17?超過感染風險警戒值的面積占比

當患者和室內(nèi)送風條件均為最不利情況時，患者附近的感染風險最高，以5%為警戒值，圖18為5種送風形式下的感染風險云圖．在患者持續(xù)講話狀態(tài)下，患者前方0.6～1.1m范圍為高風險，感染風險達到50%，感染風險達到10%的區(qū)域集中在候診室2走廊前方以及患者前方2.0m范圍．其中，候診室采用送風格柵時，較其他工況，粒子擴散程度更高，但粒子濃度較低．對比形式A、B、C 3種形式，開啟內(nèi)外走廊送風時，都會增加粒子向走廊擴散，但在外走廊送風作用下，可有效降低粒子濃度，反觀內(nèi)走廊送風會增加外走廊的感染風險，使候診室入口位置平均感染風險由2.3%提高到4.8%．

依據(jù)第1.4.1節(jié)，當患者位于候診2區(qū)中央時，為患者停留的最不利位置，結合圖17和圖18及表3，當送風形式為D時，為感染風險控制的最不利工況．由圖18(d)中可以看到，散流器對候診室的粒子稀釋作用較差，大面積高風險區(qū)域集中于患者斜前和斜后方，在計算的30min時間內(nèi)，粒子雖未擴散到更大范圍，但會隨時間逐漸積累，若在候診室1人員流動的影響下，會促進粒子擴散，使候診室成為感染暴發(fā)的高危地帶，此時候診室的平均感染風險達到7.25%．

表3?空間不同位置平均感染風險

Tab.3?Average risk of infections in different locations?%

圖18?5種送風形式下的感染風險云圖

3?討論

從粒子清除角度，散流器控制下的地板捕獲效率高于其他送風形式，通風清除效率卻明顯偏低，因此壁面使用散流器．反觀室內(nèi)通風效果較好的格柵送風，能以較小的換氣率最大限度降低粒子數(shù)量，其通風清除效率總體水平最高，地板捕獲相對較低．過強的室內(nèi)風環(huán)境會導致較低的地面捕獲率，一定程度上增加了粒子在空間的停留時間．開啟外走廊送風后，粒子數(shù)量明顯降低，分布更優(yōu)，粒子在內(nèi)走廊的聚集明顯增大，但內(nèi)走廊人員密度低，且粒子都集中于近地面位置，這有利于控制院內(nèi)感染．當開啟內(nèi)走廊送風后，整個場域的通風效果不佳，且對人員呼吸范圍內(nèi)的粒子清除作用較差，這主要由于送風較分散，對高粒子區(qū)域的稀釋效果明顯變差，且大量的粒子流向外走廊，一定程度上可能會導致更大范圍的院內(nèi)感染．在患者附近上方位置設置局部排氣格柵[24]，可有效去除一部分病毒顆粒．

提高候診室換氣率，粒子會隨氣流方向，在氣流運動的終點出現(xiàn)沉積，因此合理控制換氣率對降低外走廊粒子擴散有重要作用．過高的換氣率反而會使高風險面積比增加．外走廊連接候診室入口位置為除患者附近外，需重點關注的區(qū)域，該位置往往是家屬高度密集的區(qū)域，且平均停留約為候診和就診時間的和，長時間的停留會加劇感染風險．開啟外走廊送風能加快候診室的空氣更新，有效降低該位置的感染風險，但要進行風速控制，過大的風速反而會增加整體的感染風險．在Satheesan等[24]對病房的感染的研究中也可觀察到類似的結論．

實際等候時間往往大于15min和30min，且部分患者存在二次候診的情況．Clive等[9]對流感患病率與等候時間的研究指出，等候時間由30min增加到60min時，流感的感染風險變?yōu)樵瓉淼?.5倍．因此在候診入口和患者附近位置很可能造成高風險傳播．因此應盡可能提高就診效率，合理優(yōu)化候診等候流程，嚴格控制陪護家屬的數(shù)量．

4?結語

本文在前人工作基礎上，擴展了對典型候診空間在不同送風條件下的粒子清除、分布以及感染風險分布的研究，對小型候診室的通風設計提出理論依據(jù)．總體來看，小型候診室內(nèi)送風口建議優(yōu)先選用送風格柵，其次選用四面送風，不建議選用散流器．外走廊格柵送風可有效降低感染風險，但隨風速的提高，感染風險呈現(xiàn)先降后升的趨勢，存在最佳風速值．內(nèi)走廊送風不但沒能降低候診室粒子濃度，反而促使大量粒子擴散至外走廊，易造成更大范圍院內(nèi)感染，但具有最大的粒子清除潛力．此外，風口在患者附近可有效降低患者附近的粒子濃度，增加患者位置的粒子地面捕獲率．

較強室內(nèi)風環(huán)境帶來較低的地面捕獲率，更多粒子通過風口清除，在一定程度上增加了粒子在空間的停留時間．粒子清除效率隨換氣率的提高呈現(xiàn)先增后平穩(wěn)的趨勢，10/h是轉折點，過高的換氣率反而會提高低閾值風險面積比．對于高閾值風險面積比而言，較小的換氣率就能有效控制風險．

［1］ 羅銀波，吳?楊，劉?漫，等. 常態(tài)化新冠肺炎防控策略與機制的思考[J]. 公共衛(wèi)生與預防醫(yī)學，2020，31(6)：1-5.

Luo Yinbo，Wu Yang，Liu Man，et al. Considerations on the strategies and mechanisms of normalization of new coronary pneumonia prevention and control[J]. Public Health and Preventive Medicine，2020，31(6)：1-5(in Chinese).

［2］ 倪曉平，邢玉斌，索繼江，等. 醫(yī)療機構中微生物氣溶膠的特性與作用[J]. 中華醫(yī)院感染學雜志，2020，30(8)：1183-1190.

Ni Xiaoping，Xing Yubin，Suo Jijiang，et al. Characteristics and effects of microbial aerosols in medical institutions[J]. Chinese Journal of Hospital Infection，2020，30(8)：1183-1190(in Chinese).

［3］ Xiao S，Li Y，Sung M，et al. A study of the probable transmission routes of MERS-CoV during the first hospital outbreak in the Republic of Korea[J]. Indoor Air，2018，28(1)：51-63.

［4］ Berge W F，F(xiàn)ehrenbacher M C，Jayjock M A，et al. Mathematical Models for Estimating Occupational Exposure to Chemicals[J]. AIHA，https://www.scienceopen. com/document?vid=934e06b1-ecf9-416c-8fb8-c3392e544bf7，2000.

［5］ Furtaw E J，Pandian M D，Nelson D R，et al. Modeling indoor air concentrations near emission sources in imperfectly mixed rooms[J]. J Air Waste Manag Assoc，1996，46(9)：861-868，

［6］ Gupta J K，Lin C-H，Chen Q. Inhalation of expiratory droplets in aircraft cabins[J]. Indoor Air，2011，21 (4)：341-50.

［7］ Riley E C，Murphy G，Riley R L. Airborne spread of measles in a suburban elementary school[J]. American Journal of Epidemiology，1978，107(5)：421-32.

［8］ Chao C Y H，Wan M P，Sze T G N. Transport and removal of expiratory droplets in hospital ward environment[J]. Aerosol Science and Technology，2008，42：377-394.

［9］ Clive B B，Simon J S，Kevin G K. Potential for airborne transmission of infection in the waiting areas of healthcare premises：Stochastic analysis using a Monte Carlo model[J]. BioMed Central，2010，10(1)：247.

［10］ Jinkyun Cho. Investigation on the contaminant distribution with improved ventilation system in hospital isolation rooms：Effect of supply and exhaust air diffuser configurations[J]. Applied Thermal Engineering，2019，148：208-218.

［11］ Yan Yihuan，Li Xiangdong，Shang Yidan，et al. Evaluation of airborne disease infection risks in an airliner cabin using the Lagrangian-based Wells-Riley approach[J]. Building and Environment，2017，121：79-92.

［12］ Mousavi E S. Toward an energy efficient healthcare envi-ronment：A case study of hospital corridor design[J]. International Journal of Environmental Science and Technology，2019，16(12)：7633-7642.

［13］ Agtasari R，Sjaaf A C. The relationship between inpatient corridor layout and the risk of infection transmission in hospital：A systematic review[C]// 6th International Conference on Public Health. Solo，Center Java，Indonesia，2019，46：487-494.

［14］ Zheng Cong，Liu Jing. Study on indoor air movement under the crowding conditions by numerical simulations and PIV small-scale experiments[J]. Procedia Engineering，2015，121：1650-1656.

［15］ 綦戎輝，趙?彬，楊旭東. 病房氣流組織改造方案模擬計算與分析[C]// 全國暖通空調(diào)制冷學術年會. 合肥，中國，2006.

Qi Ronghui，Zhao Bin，Yang Xudong. Simulation calculation and analysis of air distribution reconstruction scheme in ward[C]// National HVAC Refrigeration Academic Annual Conference. Hefei，China，2006(in Chineses).

［16］ Kazuhide I. Integrated numerical approach of computa-tional fluid dynamics and epidemiological model for multi-scale transmission analysis in indoor spaces[J]. Indoor and Built Environment，2014，23(7)：1029-1049.

［17］ NASA/SP-2010-3407 Man-Systems Integration Stan-dards[S]. Washington：Nasa Johnson Space，1995：53.

［18］ Zulfikar A，Andrew P. The design and simulation of natural personalised ventilation(NPV) system for multi-bed hospital wards[J]. Buildings，2015，5(2)：381-404.

［19］ Cao Guangyu，Madeleine C A，Stor?s A A，et al. Do surgeons and surgical facilities disturb the clean air distribution close to a surgical patient in an orthopedic operating room with laminar airflow?[J]. AJIC：American Journal of Infection Control，2018，46(10)：1115-1122.

［20］ Mousavi E S. Toward an energy efficient healthcare envi-ronment：A case study of hospital corridor design[J]. International Journal of Environmental Science and Technology，2019，16(12)：7633-7642.

［21］ Liu Wei，You Xueyi. Transportation and risk analysis of influenza indoor and outdoor transportation and exposure risk analysis of influenza aerosol[J]. Indoor and Built Environment，2012，21(5)：614-621.

［22］ Zhang Z，Chen Q. Comparison of the Eulerian and Lagrangian methods for predicting particle transport in enclosed spaces[J]. Atmospheric Environment，2006，41(25)：5236-5248.

［23］ Dai Hui，Zhao Bin. Association of the infection probability of COVID-19 with ventilation rates in confined spaces[J]. Building Simulation，2020，13：1-7.

［24］ Satheesan M K，Mui K W，Ling T W. A numerical study of ventilation strategies for infection risk mitigation in general inpatient wards[J]. Building Simulation，2020，13(4)：887-896.

Risk of Infection in the Waiting Rooms in Children’s Hospitals Considering Population Density Distribution

Liu Gang1, 2，Zhang Yichi1, 2，Qu Guanhua1, 2，Liu Wei3，Li Weifeng3，Cui Lei4

(1. School of Architecture，Tianjin University，Tianjin 300072，China；2. Tianjin Key Laboratory of Architecture Physics and Environmental Technology，Tianjin 300072，China；3. Children’s Hospital of Tianjin University，Tianjin 300190，China；4. Tianjin Urban Planning and Design Institute，Tianjin 300074，China)

Due to the long waiting time and serious gathering of people，hospital waiting rooms are a high-risk zone for influenza outbreaks. Existing studies have shown that appropriate ventilation control strategies can effectively reduce the risk of infection in waiting rooms. This article studies the infection risk and particle removal efficiency of the most frequently used small waiting rooms. Through drawing and field investigations，the typical indoor space of the internal waiting room of a general children’s hospital was refined. The air opening and closing of the internal/external corridor，form of the air outlet in the waiting room，number of ventilation，and wind speed in the external corridor are used as the research variables. Further，their effects on particles in the waiting room and the influence of movement trajectories，particle removal efficiency，and infection risk distribution are explored. Through computational fluid dynamics uncoupled particle diffusion simulation and Anylogic personnel simulation，combined with the Wells-Riley classic infection equation，the infection risk of personnel in the waiting space of the hospital is obtained. Our research obtained the following results：Waiting room air outlets have a great impact on the particle diffusion trajectory near patients，which directly affects the particle removal efficiency and removal path. For small waiting rooms，grid air supply is preferred，and the use of diffusers is avoided. Hence，it is recommended to turn on the air supply in the outer corridor and close the air supply in the inner corridor. This method can accelerate the gas flow in the waiting room while avoiding the diffusion of particles into the inner corridor. Under the same conditions，turning on the air supply in the inner corridor will significantly increase the particle concentration in the outer corridor，which is likely to cause a wide range of nosocomial infections. There is an optimal indoor air exchange rate under different air supply modes，and a value of approximately 10/h is generally recommended. Excessive air exchange rate will not increase the particle removal efficiency but will increase the high-risk area ratio of the waiting room. The research results can provide theoretical support for ventilation design to reduce the risk of nosocomial infections.

seasonal influenza；waiting space；personnel distribution；risk of infection；particle removal efficiency

10.11784/tdxbz202110025

TU11

A

0493-2137(2022)12-1249-13

2021-10-26；

2021-12-06.

劉?剛（1977—??），男，博士，教授，lglgmike@163.com.

劉?薇，lance1971@163.com.

國家自然科學基金資助項目(72174138)；天津市自然科學基金重點資助項目(20JCZDJC00660)；天津市建筑設計規(guī)劃研究院創(chuàng)新項目(2020CX-B09).

Supported by the National Natural Science Foundation of China(No.72174138)，the Key Project of Tianjin Natural Science Foundation (No.20JCZDJC00660)，the Innovative Project of Tianjin Institute of Architectural Design and Planning(No.2020CX-B09).

(責任編輯：金順愛)