考虑人员密度分布的儿童医院候诊空间感染风险研究

刘 刚，张亦弛，曲冠华，刘 薇，李伟锋，崔 磊

考虑人员密度分布的儿童医院候诊空间感染风险研究

刘 刚1, 2，张亦弛1, 2，曲冠华1, 2，刘 薇3，李伟锋3，崔 磊4

(1. 天津大学建筑学院，天津 300072；2. 天津市建筑物理环境与生态技术重点实验室，天津 300072；3. 天津大学儿童医院，天津 300190；4. 天津市城市规划设计研究院，天津 300074)

医院候诊室由于人员等候时间长、聚集严重，是流感暴发的高危地带，既有研究表明可以通过适当的通风控制策略有效降低候诊室的感染风险．本文对使用频率最高的小型候诊室感染风险及粒子清除效率进行研究．通过图纸调研和实地调研，提炼综合儿童医院内科候诊室典型室内空间，以内/外走廊送风启闭、候诊室内风口形式、通风换气次数以及外走廊风速为研究变量，探究其对候诊室内粒子运动轨迹、粒子清除效率以及感染风险分布的影响. 通过CFD非耦合粒子扩散仿真和Anylogic人员仿真，并结合Wells-Riley经典感染方程，得到医院候诊空间人员感染风险．研究表明：不同候诊室风口形式对患者附近粒子扩散轨迹有较大影响，直接影响粒子清除效率和清除途径；对于小型候诊室优先选择格栅送风，避免选用散流器；鼓励开启外走廊送风，同时关闭内走廊送风，可加速候诊室内的气体流动，同时避免粒子扩散进入内走廊．相同条件下，开启内走廊送风会明显增加外走廊粒子浓度，易造成更大范围的院内感染．不同送风形式下存在最优室内换气率，一般建议在10/h左右，过高的换气率并不会提高粒子清除效率，反而会增加候诊室的高风险面积比．该研究成果可为降低医院感染风险的通风设计提供理论支撑.

季节性流感；候诊空间；人员分布；感染风险；粒子清除效率

世界每年有大量患者死于呼吸道传染病，而医院作为人员混杂密集的地方，是感染暴发的危险地带，应把控制院内感染放在重要位置．感染的传播途径可分为空气、飞沫和接触传播[1-2]，其中空中传播对呼吸道传染病扩散占主导地位[3]．

关于建筑室内流感暴露风险的模拟研究大致分为宏观(单区域或多区域模型)[4]和微观(流体力学计算)两种方法[5]，虽然基于CFD的流体力学计算耗时长，但计算结果较宏观方法更为准确[6]．通过Wells-Riley模型[7]可以对空气传播疾病的感染风险进行定量评估[8]，依据该方程，某一空间的感染风险由粒子浓度、人员密度、人员停留时间决定．若人员不会或较少到达某一区域，则较高的粒子浓度也不一定会导致感染；反之，若该区域人员大量聚集停留，即使少量的粒子造成的院内感染也不容忽视．但目前，大量的研究将空间感染风险关注点放在粒子浓度上，将人员密度纳入到影响因素中的研究相对较少．Clive 等[9]曾用宏观方法将人员占用水平和候诊时间纳入到候诊室感染风险研究中．

目前，对院内感染的研究空间主要集中在病房和隔离室，已有大量学者对风口布置方式、换气率、空间压力差等影响因素进行了广泛研究．如Jinkyun[10]在隔离室中实验并模拟了多种风口排布的通风控制策略，最终发现“低水平抽吸”技术效果显著．Yan 等[11]在一个典型的半封闭6床的病房中研究表明，提高病房换气率可降低吸入感染的风险，发现9/h的换气速率可以有效控制病毒颗粒的沉积和漂浮时间．但已有研究对公共空间讨论较少，有限的研究集中在外走廊，如Mousavi[12]研究发现，增加住院楼外走廊通气率可以降低气溶胶浓度，但更高的通风率可能会加剧气溶胶的分布，并找到了可有效降低气溶胶浓度的通风布置方法．Agtasari等[13]对近10年的文献进行梳理，发现走廊形式与医院内感染传播的风险之间存在相关性．仅有对候诊室的研究[9]是采用宏观方法，探讨了医院候诊空间中麻疹、流感、结核病的空气传播风险．候诊室作为公共空间，人员活动频繁，停留时间较长，应该成为控制院内感染的重点关注区域．

本研究采用图纸调研、实地调研结合仿真分析的方法，提取综合医院典型候诊空间的室内布局以及通风控制参量．结合CFD仿真获得不同送风条件下的室内粒子浓度，通过Anylogic人员仿真得到研究空间中人员累积密度分布，引入Wells-Riley经典模型得到候诊空间感染风险分布．本研究以风口形式、送风位置、候诊室换气率以及外走廊风速作为研究变量，分别对气流组织、粒子运动轨迹、粒子清除效率、粒子分布及空间感染风险进行了详细分析．本文的研究结果，可为医院候诊空间通风控制提供量化参考和理论支撑．

1 研究方法

1.1 典型空间及空间变量提取

本研究通过对中国北方地区儿童医院的图纸和规范调研，提取儿童医院候诊空间标准模型．本文对14家儿童医院的34个候诊空间进行参量提取，各类空间尺度的候诊室数量均等，因此将候诊室面积数据的全距三等分：55～125m2，125～185m2，185～275m2．从实际使用角度，185～275m2面积段的使用率远远低于另外两个，而125～185m2多用于人员流动性较高的检查候诊室，数量相对较少，且高流动性加速了粒子扩散[14]，计算难度较大．因此以55～125m2为例，大部分空间长宽比约为1.5∶1～2.0∶1，在该范围内选用长宽比的加权平均1.87∶1为代表值，同时选用使用频率最高、空间布局更合理、人员流线更顺畅的布局形式．综上，本文选取图1中与典型候诊空间匹配度最高的天津市某三级甲等综合儿童医院内科候诊室进行研究．

目前，统计的候诊空间中有92%采用上送上回的形式，且该形式下室内颗粒分布最优[15]．送风位置有外走廊、候诊室以及内走廊，在候诊室送风中分别研究了座位区完成送回风及座位区送风、导诊区回风这两种形式，分别对应研究中的四面送风、散流器和送风格栅．按照送风口布置于人员相对密集的座位区原则，得到图1(a)中的风口布置形式．此外，还分别探究内走廊散流器和外走廊格栅对研究空间感染风险的影响．共形成以下5种风口布置及启闭形式：形式A，候诊室设置四面送风结合内走廊入口处设置散流器；形式B，仅开启候诊室的四面送风；形式C，开启候诊室四面送风及外走廊格栅送风；形式D，仅开启候诊室的散流器；形式E，仅开启候诊室的送风格栅．候诊室采用四面送风(回风口：0.6m×0.6m，送风口：0.10m×0.85m)，内走廊端部设置散流器(0.45m×0.45m)作为新风口，在候诊室入口外上部设置送风格栅(0.15m×1.20m)，在对侧设置回风格栅(0.15m×1.20m)．图1(b)中，散流器尺寸0.32m×0.32m，回风口尺寸0.15m×0.8m．图1(c)中，送回风口尺寸0.15m×0.7m．选用的风口形式见图2．

图1 风口布置形式

图2 研究中选用的风口形式

1.2 候诊室现场测试

所调研医院位于天津主城区内，周边设施完备．选取流感爆发季12月的4个工作日和4个休息日，进行物理环境和人员数量调研．测量仪器选用TSI-9545热线风速仪和FLIR-T1010高清红外热成像仪．为减小误差，每个测点的风速风温测量数据采集3min内的平均值．分别测量了风口风速、壁面温度，测量结果作为CFD模拟的边界条件，还测量了室内1.1m和1.7m高度的风速和温度，分别对应人员静坐和站立的呼吸高度，测量结果作为模拟校准依据．调研期间，医院候诊室门窗关闭，送风关闭，仅开启外走廊送风．

人数调研采用数据分析和监控计数的方式．就诊数据分析得到就诊峰值出现在上午10:00—11:00.监控计数采用8天中，上午08:00—12:00时段内每15min进入和离开候诊室的人数、每30min站立和就坐的人数及儿童的陪护比，并结合当日门诊数量估算出每位患者的平均就诊时间，用作输入参量的设置依据．此外，还统计了每30min不同区域内人数，用作结果校核依据．人员模拟位置如图3所示．

图3 人员模拟位置标识

1.3 人员分布仿真计算

结合调研结果，在Anylogic中按照图4设定仿真逻辑：人员按照表1，以0.68～1.36m/s[16]的速度随机从M或N位置进入走廊，当候诊室人数少于60时，可直接进入候诊室，否则需在等候区1等待，直到有人离开方可进入．进入候诊室后，80%的人就坐于服务区1，20%站立在服务区2．当被叫号后，患者及其家属需先在内走廊入口处排队等待呼传．设定就诊陪护比为1.9～2.5范围内的随机值．完成就诊后，从M或N位置随机离开．最后，计算候诊室上午8:00—12:00的人员密度分布矩阵．

图4 人员仿真逻辑

表1 进入候诊室数量及人员时间

Tab.1 Number of waiting rooms and personnel schedule

1.4 Anylogic人员分布仿真计算

1.4.1 流场及人员建模

空间中的人群会阻塞空气流动并极大地改变空气分布，因此候诊空间建模需考虑人员分布．依据2010年人类整合设计手册[17]简化得到图5的人员尺寸，通过Gambit还原图6中候诊空间．考虑人员散热对室内气流的影响，同时考虑人员遮挡对粒子扩散的影响．仿真以候诊区座位满载进行，设定导诊台有2名医护，导诊台前有4名排队患者，走廊入口有5名排队患者，候诊室入口有2名值班人员．设定感染者位于服务区2的中央位置，该位置为人员密集度最高和停留时间最长、流动性最差的位置，且该位置位于风口附近，更促进了粒子扩散，因此认为该位置为患者停留的最不利位置．

图5 人体建模尺寸

图6 典型候诊室仿真模型

1.4.2 模拟边界条件确定

本研究采用Fluent 17.0进行室内风热环境计算及粒子扩散仿真．完全混合的稳态计算更适用于大量人群环境的计算[18]，稳态CFD有助于预测和比较不同工况间气流和粒子分布[19]，因此选择-RNG模型对气流场进行稳态计算[20]．人体移动可以加快污染物的扩散，但不能改变污染物浓度[11]，所以仿真未考虑人员移动.模拟考虑冬季太阳辐射得到的热量.风口设置湍流强度为10％．在求解器中设置-9.8m/s2的重力加速度，压力的空间离散方法选择Body Force Weighted．网格中心参量选用在多面体网格计算中具有较高精度的最小二乘法．求解器选择SIMPLE，原始迭代次数为1500，当计算达到900次迭代时，整体残差减少3个数量级，能量残差减少至10-6，认为计算已收敛．

依据医院设计规范，确定表2中的模拟边界条件，其中水平送风时风向为0°．模拟分别进行了350×104、450×104、550×104、650×104网格的迭代计算，将风速云图导入diffimg分析差异度，发现随网格精度提高，RGB通道的均方误差降低，但计算时长增大．当网格数量从450×104提高到550×104，再由550×104到650×104时，两者均方误差较低．综合衡量计算时间和计算精度，选用450×104网格数量．

表2 室内风口相关控制参数设置

Tab.2 Set-related control parameters of indoor tuyeres

1.4.3 模拟边界条件确定

在候诊室物理环境复现基础上，进行粒子浓度扩散计算．由于呼吸气流对上升的热羽流的影响可以忽略不计[14]，因此，不考虑易感者的呼吸作用．假定感染者持续讲话，污染物通过讲话以0.005kg/s的质量流量和33.5℃的温度从感染者口中喷出，嘴张开的面积为0.0049m2，静坐人员嘴高度1.05m．说话时粒子初始速度5m/s，直径约1.0～7.8μm，且服从正态分布[20]．流场会影响粒子扩散，但粒子对流场的影响却非常小，因此选用uncoupled DPM模型，计算达到稳定后，注入1440个粒子．粒子扩散考虑阻力、重力、布朗力、萨夫曼升力、虚拟质量力和压力梯度力．选择欧拉-拉格朗日方法模拟颗粒运动[21]．粒子设置追踪50000步，可保证全部粒子完成整个运动轨迹．设定离散相边界墙和屋顶为reflect，地面为trap，风口为escape，经验证[22]这种设置方法可使得模拟和实验结果差异度最低．

分别统计通风清除效率、地板捕获率、粒子清除效率．其中，通风清除率指被风口清除以及随气流离开研究区域的粒子占呼出总数量百分比；地板捕获率指被地板捕获的粒子数量占总数量百分比；粒子清除效率为前两者的和．

1.5 感染风险计算

研究采用“网格内粒子源”(PSI-C)方法计算每个网格范围内的粒子浓度[23]，将候诊室离散成多个小体积区域，每个小体积中都包含了一定数量的粒子历史轨迹，结合粒子在该腔体内的停留时间，计算得到腔体内粒子浓度，计算公式为

式中：C为第个腔体的粒子浓度；V为该腔体体积；为质量流率，取0.005kg/s；d(，)为第个粒子在第个单元的停留时间．每个腔体尺寸为0.2m×0.2m，腔体高取0.8～1.8m[12]人员呼吸范围，包含坐和站立人员呼吸范围．引入Wells-Riley方程[7]，以评估人员感染风险，公式为

式中：为感染的可能性；为感染者数量，为某计算网格中易感者的数量；为量子生成速率，对于季节性流感，取1.6667×10-4m2/s；为乘客的呼吸速率；为乘客的暴露时间，外走廊和服务区1为900s，服务区2为1800s．

在上述网格划分基础上，引入高风险面积比，即各个网格中感染风险大于警戒值的面积和占研究区域总面积的百分比．文献[24]在计算新冠肺炎感染风险时，将警戒值设定为0.1%、0.5%、1.0%、1.5%、2.0%．文献[9]分别以1%、5%、10%、20%、30%为感染风险警戒值，对室内不同疾病进行感染风险评估．本研究根据感染风险计算结果的数值分布，以1%和5%为警戒值分别讨论了高风险面积比和感染风险分布．

2 结果分析

2.1 模拟校核

2.1.1 人员分布校核

选择最不利的休息日情况进行计算．图7为上午8：00—12：00的累积热力图计算结果．其中，人员大量集中在等候区1和服务区1，服务区1的人员更倾向于坐在前3排的位置，服务区2与内走廊相接的位置密度也相对较大，这些位置与人员调研得到的聚集规律相同．为更好验证模拟的准确性，对3个区域的模拟准确性进行校核，得到人数的平均绝对误差为8.6%，认为满足准确性要求．

图7 候诊室上午8:00—12:00累积热力图

2.1.2 风热环境模拟校核

基于Fluent模拟平台，得到典型候诊空间室内风场和温度场计算结果如图8所示，候诊室平均温度约为21.1℃，走廊平均温度为20.5℃，满足实际室温情况．图9为模拟结果与医院调研测试结果校核，测点布置如图3所示，得到室内温度的平均绝对误差为1.56%，室内风速平均误差为0.030m/s．

图8 1.1m高度处室内风速及温度场结果

图9 1.1m高度处实测与模拟结果对比

2.2 气流组织

2.2.1 气流分析

影响粒子扩散的关键为空气流动[10]．图10和图11为当室内换气率为10/h时，不同送风形式下的气流组图．当在座位区布置送风口时，气流整体由座位区向入口位置流动，最后到达外走廊．从图10来看，当采用散流器时，新风影响范围停留在空间1.8m高度以上，不能有效到达呼吸区域，这不利于座位区粒子稀释．反观当候诊室采用格栅和四面送风时，新风能有效到达人员呼吸区域，甚至可达地面，利于粒子被地面捕捉．图11为水平面1.1m的风速及气流图，除风口下面直接受送风影响的区域外，在候诊室入口位置风速均较大，使用散流器时，座位区域的风速最小，平均小于0.1m/s，而格栅和四面送风工况下的相应风速则较大．

通过对图12中标记截面及标记位置的气流及垂直风速分析，得到内外走廊送风对室内气流的影响结果．未开启内外走廊送风时，从候诊室座位区上部风口送出的新风吹向导诊台位置，在导诊台上方分流，一部分流向外走廊，另一小部分流向内走廊上部，并从距地面0.9m高度回到候诊室，形成循环．当开启内走廊散流器，并保持室内换气率不变，流向外走廊的气流加强，同时改变了内走廊的气流．图13(a)中，内走廊标记位置垂直风速与未开启工况有较大差异．未开启时，风速呈现上下大、中间1.5m位置小的状态；开启时，中间位置风速最大，新风从内走廊中间高度开始完成循环．当设置1.0m/s的外走廊送风时，可将候诊室内更多的空气吸出到走廊，可加快候诊室内部空气循环．

图10 候诊室不同送风形式下室内风口剖面处气流

图11 候诊室不同送风形式下室内水平1.1m高度处气流

图12 不同内外走廊送风条件下y＝3.0m剖面气流

图13 不同送风条件下标记位置垂直风速比较

2.2.2 患者附近粒子扩散分析

为探究不同送风形式对患者附近的粒子扩散影响情况，截取患者前后坐位范围，对粒子扩散轨迹进行分析，图14为患者呼出的粒子在60s内的扩散情况．

从形式A、B、C 3种形式来看，在开启内走廊送风时，相当于分散了风口布置，粒子在患者后方的聚集减少，一部分粒子向上扩散，从而降低了患者附近地面捕获的粒子数量，因此地板捕获率呈现形式B＞形式C＞形式A的情况，粒子向上扩散，降低了对前后方人员的直接影响．在开启外走廊送风时，加快了患者附近的气流速度，虽然粒子仍大量聚集在患者附近，但数量明显降低，此时粒子对感染者后方的人员影响较大．由形式B、形式D、形式E 3种形式来看，候诊室选用四面送风时，患者头部附近粒子数量较多，大量粒子向下扩散至地面，而在散流器和送风格栅影响下，粒子并未在患者附近产生聚集，而是快速移动到1.3m以上位置，并被逐渐冲散．形式D中，粒子达到天花板后，开始水平扩散，而形式E中，粒子在格栅送风的作用下，在天花板产生了“反弹”，快速向患者前排位置处扩散，增加了前方人员的感染风险．同时由于这种“反弹”作用，增加了地面捕获率，使候诊室内粒子数量和感染风险整体降低．

图14 不同送风形式下患者附近的粒子扩散情况

2.3 粒子清除效率和地板捕获效率

图15展示了不同送风形式下的粒子清除情况．粒子的清除效率随换气率增加而增加，当换气率达到10/h时，再提高换气率对粒子清除效率影响不大，平均粒子清除效率仅爬升6.74%，其中形式B的提高最小，为0.14%，形式A最大，为15.14%．

图15 不同送风形式下的粒子清除情况

不同送风形式下，粒子清除效率出现跃升的位置也不同．对于形式B，从6/h提高到8/h后，约升高42.64%，采用形式A、D、E的粒子清除效率提升位置相对滞后，均出现在8/h～10/h时，分别提高了34.79%、37.22%、11.88%．对于这4种送风形式，在相同换气率下，形式D 的粒子清除效率低于另外3种，形式E的粒子清除效率整体较高，当换气率为6/h时，可达到76.32%．在A、B两种形式下，随换气率提高，地板捕获率稳步提升，换气率从10/h提高到12/h时，地板捕获率出现跃升．对于形式D和E，地板捕获率与换气率接近二次分布，在换气率为10/h时，最大值57.50%和43.33%，继续增大换气率，地板捕获率下降，粒子清除更多靠通风清除．

2.4 不同送风形式下的粒子空间分布

为探究不同送风形式对粒子在垂直方向上分布的差异，分别统计了换气率为10/h时，服务区1和2、内和外走廊4个位置的粒子分布．图16展示了4个统计区域粒子分布情况．人员静坐和站立时，口鼻高度分别在1.0～1.5m和1.45～1.75m范围．在垂直方向以0.5m为步长，将0～3.0m的空间高度等分6段．对于人员大量聚集停留的候诊室2区，重点关注0.5～1.0m及1.0～1.5m．对于外走廊位置，1.0～1.5m及1.5～2.0m为重点关注位置．

通过形式A、B、C送风形式的对比，探究得到内外走廊送风对粒子分布的影响．形式B中，44.2%的粒子分布在外走廊0.5～1.5m位置，而内走廊和服务区1的粒子更多在地面附近．反观形式A，内走廊送风有效阻止粒子向内走廊扩散，但更多的粒子进入外走廊，这不利于院内感染控制．除内走廊外，粒子在垂直高度上均呈现先增后减的趋势，且大量集中在0.5～1.5m范围．形式C中外走廊送风可使研究区域粒子数量明显降低，外走廊0.5～1.0m范围的粒子数量占比由形式B中的27%下降到14%，但内走廊的粒子数量明显增多，由14%增加到了32.4%．通过形式B、D、E的对比，探究得到候诊室内送风形式对粒子分布的影响．形式D中，粒子集中在服务区1和2，内外走廊的粒子数量约占2%，粒子扩散程度低，服务区2中集中在0.5～1.0m范围的粒子超过50%，即大量聚集在静坐人员呼吸范围．在人员流动性较好的服务区1，粒子集中分布在0.5～1.5m范围，占比高达28.04%，对于站立儿童有较高风险．形式E的粒子分布明显不同，粒子从下而上逐渐减少，大量在0～0.5m的位置，少量分散在外走廊0.5～1.0m位置，均不构成对人员的感染威胁．

图16 不同送风形式垂直方向粒子分布

2.5 感染风险分布

设定感染风险警戒值为1%，图17(a)中警戒值为1%时，感染风险随换气率先降后增，换气率为10/h～12/h时，空间感染风险控制较好，继续增加换气率反而使感染风险增加．图17(b)为外走廊风速对感染风险影响．警戒值由1%增加到2%时，感染风险面积比平均降低了9.7%．高风险面积比随外走廊送风速度增加，总体呈现先降后增的趋势，当外走廊风速设定为1m/s时，整体感染风险最低．

图17 超过感染风险警戒值的面积占比

当患者和室内送风条件均为最不利情况时，患者附近的感染风险最高，以5%为警戒值，图18为5种送风形式下的感染风险云图．在患者持续讲话状态下，患者前方0.6～1.1m范围为高风险，感染风险达到50%，感染风险达到10%的区域集中在候诊室2走廊前方以及患者前方2.0m范围．其中，候诊室采用送风格栅时，较其他工况，粒子扩散程度更高，但粒子浓度较低．对比形式A、B、C 3种形式，开启内外走廊送风时，都会增加粒子向走廊扩散，但在外走廊送风作用下，可有效降低粒子浓度，反观内走廊送风会增加外走廊的感染风险，使候诊室入口位置平均感染风险由2.3%提高到4.8%．

依据第1.4.1节，当患者位于候诊2区中央时，为患者停留的最不利位置，结合图17和图18及表3，当送风形式为D时，为感染风险控制的最不利工况．由图18(d)中可以看到，散流器对候诊室的粒子稀释作用较差，大面积高风险区域集中于患者斜前和斜后方，在计算的30min时间内，粒子虽未扩散到更大范围，但会随时间逐渐积累，若在候诊室1人员流动的影响下，会促进粒子扩散，使候诊室成为感染暴发的高危地带，此时候诊室的平均感染风险达到7.25%．

表3 空间不同位置平均感染风险

Tab.3 Average risk of infections in different locations %

图18 5种送风形式下的感染风险云图

3 讨论

从粒子清除角度，散流器控制下的地板捕获效率高于其他送风形式，通风清除效率却明显偏低，因此壁面使用散流器．反观室内通风效果较好的格栅送风，能以较小的换气率最大限度降低粒子数量，其通风清除效率总体水平最高，地板捕获相对较低．过强的室内风环境会导致较低的地面捕获率，一定程度上增加了粒子在空间的停留时间．开启外走廊送风后，粒子数量明显降低，分布更优，粒子在内走廊的聚集明显增大，但内走廊人员密度低，且粒子都集中于近地面位置，这有利于控制院内感染．当开启内走廊送风后，整个场域的通风效果不佳，且对人员呼吸范围内的粒子清除作用较差，这主要由于送风较分散，对高粒子区域的稀释效果明显变差，且大量的粒子流向外走廊，一定程度上可能会导致更大范围的院内感染．在患者附近上方位置设置局部排气格栅[24]，可有效去除一部分病毒颗粒．

提高候诊室换气率，粒子会随气流方向，在气流运动的终点出现沉积，因此合理控制换气率对降低外走廊粒子扩散有重要作用．过高的换气率反而会使高风险面积比增加．外走廊连接候诊室入口位置为除患者附近外，需重点关注的区域，该位置往往是家属高度密集的区域，且平均停留约为候诊和就诊时间的和，长时间的停留会加剧感染风险．开启外走廊送风能加快候诊室的空气更新，有效降低该位置的感染风险，但要进行风速控制，过大的风速反而会增加整体的感染风险．在Satheesan等[24]对病房的感染的研究中也可观察到类似的结论．

实际等候时间往往大于15min和30min，且部分患者存在二次候诊的情况．Clive等[9]对流感患病率与等候时间的研究指出，等候时间由30min增加到60min时，流感的感染风险变为原来的2.5倍．因此在候诊入口和患者附近位置很可能造成高风险传播．因此应尽可能提高就诊效率，合理优化候诊等候流程，严格控制陪护家属的数量．

4 结语

本文在前人工作基础上，扩展了对典型候诊空间在不同送风条件下的粒子清除、分布以及感染风险分布的研究，对小型候诊室的通风设计提出理论依据．总体来看，小型候诊室内送风口建议优先选用送风格栅，其次选用四面送风，不建议选用散流器．外走廊格栅送风可有效降低感染风险，但随风速的提高，感染风险呈现先降后升的趋势，存在最佳风速值．内走廊送风不但没能降低候诊室粒子浓度，反而促使大量粒子扩散至外走廊，易造成更大范围院内感染，但具有最大的粒子清除潜力．此外，风口在患者附近可有效降低患者附近的粒子浓度，增加患者位置的粒子地面捕获率．

较强室内风环境带来较低的地面捕获率，更多粒子通过风口清除，在一定程度上增加了粒子在空间的停留时间．粒子清除效率随换气率的提高呈现先增后平稳的趋势，10/h是转折点，过高的换气率反而会提高低阈值风险面积比．对于高阈值风险面积比而言，较小的换气率就能有效控制风险．

［1］ 罗银波，吴 杨，刘 漫，等. 常态化新冠肺炎防控策略与机制的思考[J]. 公共卫生与预防医学，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］ 倪晓平，邢玉斌，索继江，等. 医疗机构中微生物气溶胶的特性与作用[J]. 中华医院感染学杂志，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，Fehrenbacher 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］ 綦戎辉，赵 彬，杨旭东. 病房气流组织改造方案模拟计算与分析[C]// 全国暖通空调制冷学术年会. 合肥，中国，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，Storås 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.

刘 刚（1977—  ），男，博士，教授，lglgmike@163.com.

刘 薇，lance1971@163.com.

国家自然科学基金资助项目(72174138)；天津市自然科学基金重点资助项目(20JCZDJC00660)；天津市建筑设计规划研究院创新项目(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).

(责任编辑：金顺爱)