Hume PageHume Page

Data Analysis

Controlled Mechanical Ventilation (CMV) works

25 Marzo 2022 - di fondazioneHume

Data AnalysisSpeciale

Controlled Mechanical Ventilation (CMV) works

 

  1. Research

The Marche Region financed, in March 2021, a tender for the purchase and installation of Controlled Mechanical Ventilation (CMV) systems in school classrooms. The aim was to ensure face-to-face lessons, as the available scientific evidence indicated that Controlled Mechanical Ventilation (CMV) was an effective tool to counter the spread of Sars-CoV-2, reducing the permanence of pollutants in the air. The applications were  187, for a total of 3,027 classrooms distributed in 323 schools in the Marche region, for a funded amount of 9 million euros. The first schools benefiting from the funding, set up mechanical ventilation systems during the summer period, in order to start school with active and properly functioning equipment. On this basis, with the collaboration of Hume Foundation, in 2021/2022 a study was developed allowing the comparison between two sets of observations:

1) In the first group: classes with the installation of Controlled Mechanical Ventilation (more than 300, 3% of the classes total)

2) In the second set: classes without mechanical ventilation.

This comparison was structured by analyzing the incidence data (the new positive cases) from Sars-CoV-2 in the two sets under observation (classes with CMV vs classes without ventilation) involving all school levels, from kindergarten to upper secondary school.

On this premise, the Hume Foundation asked the Marche Region to analyze the data collected, in order to estimate the effectiveness of CMV in counteracting the infection’s transmission.

For this purpose, a number of mathematical-statistical models have been built, designed to assess the impact of CMV on the transmission risk, net of other effects such as the order of the school and the number of pupils per class.

  1. Methods

To estimate the effectiveness of the CMV, two transmission indicators in particular were used, both based on the cases clusters count (2 or more cases within the same class). The impact of CMV was evaluated both in a rough way, i.e. by comparing the values ​​of the two indicators on homogeneous class groups in terms of air changes per hour, and with regression techniques, keeping under control the number of pupils per class and the type of school.

Among the many estimates of the CMV effectiveness obtained, the most conservative were usually selected.

  1. Main result

The risk of transmission can be estimated by calculating, for each class, the ratio between the number of cases related to infections occurring within the class and the number of exposed, ie pupils per class.

By setting the indicator value for classes without CMV to 100, you can determine the relative risk of infection for classrooms equipped with CMV. This ratio is equal to 37.2%, which means that the presence of CMV reduces the risk of transmission by a factor close to 3 (average indicator).

The maximum capacity of the devices installed varies considerably from school to school, in a range that goes from 100 to 1000 cubic meters-hour. If we distinguish the classes on the capacity of the installed systems, we discover that the relative risk can drop to a value more or less between 5 and 6 if the flow rate exceeds 750 cubic meters per hour, which is equivalent – approximately – to 5 changes per hour. .

All this can be summarized by calculating how the risk reduction factor increases as the quality of CMV increases, measured by the number of air changes.

As indicated in table 1, the transmission indicator varies based on the presence of schools with CMV / without CMV or with a different flow rate of cubic meters / hour. A change in efficacy is observed from: 40% correlated to a turnover / hour of 0.67-3.33, to a 66.8% efficacy correlated with 3.33 – 4.67 replacement / hour at 82.5 % efficacy with 4.67-6.66 replacement / hour.

It’s clear that the CMV, especially if adequately sized (6 or more air changes-hour), has the ability to reduce the Sars-CoV-2 infection risk by over 80%. Using it in schools, we could switch from an incidence rate of 250 per 100,000 (risk threshold identified by the Ministry) to a rate of 50 per 100,000.

Surprisingly, the risk reduction factor (between 5 and 6), inferred from this field research, corresponds perfectly to that obtained from the studies of engineers and air quality experts, based on controlled experiments (see Mikszewski, A., Stabile, L., Buonanno, G., Morawska, L., Increased close proximity airborne transmission of the SARS-CoV-2 Delta variant, “Science of the Total Environment”, 816, 2022).

 

  1. Data information

The final data set is a file with 10465 records (equal to the number of classes), each described by 21 variables (plus the class and school identification fields).

The fundamental variables that describe each class are the following:

– province

– plexus

– school order

– section

– year

– number of pupils in the class

– number of positive students in 12 different periods

– presence / absence of the CMV

– CMV plant brand

– CMV system model

The 12 periods correspond to the weeks, except for the initial one, which runs from 13 September to 10 October, and the final one, which runs from 7 to 31 January.

The classes considered are all those without CMV (10125), plus all those with CMV since 13 September (316 out of 340): in all 10441 classes.

Finally, here is some brief information on the classes considered.

For this first phase of the study, the percentage of classes taken into consideration is equal to 3% of the total.

 

La ventilazione meccanica controllata (Vmc) funziona

24 Marzo 2022 - di fondazioneHume

Data AnalysisIn primo piano
Conferenza stampa 22 marzo 2022

 

La ventilazione meccanica controllata (Vmc) funziona

  1. La ricerca

La Regione Marche ha finanziato, nel marzo 2021, un bando per l’acquisto e l’installazione degli impianti di Ventilazione Meccanica Controllata (VMC) nelle aule scolastiche. L’intervento era finalizzato a garantire le lezioni in presenza, in quanto le evidenze scientifiche disponibili indicavano nella Ventilazione Meccanica Controllata (VMC) un efficace strumento per contrastare la diffusione di Sars-CoV-2, riducendo la permanenza degli elementi inquinanti nell’aria. Le domande risultavano essere complessivamente n.187, per un totale 3.027 aule distribuite in 323 scuole marchigiane, per un importo finanziato di 9 milioni di euro. Le prime scuole beneficiarie del finanziamento, nel periodo estivo predisponevano gli impianti di ventilazione meccanica, al fine di iniziare l’anno scolastico con la strumentazione attiva e correttamente funzionante. Su queste basi nel 2021/2022 con la collaborazione della fondazione Hume, si è sviluppato uno studio che permetteva la comparazione tra due insiemi di osservazioni:

  • Nel primo insieme: le classi con l’istallazione della Ventilazione Meccanica Controllata VMC (più di 300, il 3% sul totale delle classi)
  • Nel secondo insieme: le classi senza la ventilazione meccanica.

Questa comparazione era strutturata analizzando i dati dell’incidenza (i nuovi casi positivi) da Sars-CoV-2 nei due insiemi oggetto di osservazione, classi con VMC vs classi senza ventilazione. Questo studio è stato strutturato attraverso il coinvolgimento di tutti gli ordini di scuola, dalla scuola dell’infanzia alla scuola secondaria superiore.

Su questa premessa la Fondazione Hume ha chiesto alla Regione Marche di poter analizzare i dati raccolti, in modo da stimare l’efficacia della VMC nel contrastare la trasmissione dell’infezione.

A questo scopo sono stati costruiti un certo numero di modelli matematico-statistici, atti a valutare l’impatto della VMC sul rischio di trasmissione, al netto di altri effetti quali l’ordine della scuola e il numero di alunni per classe.

 

  1. Metodi

Per stimare l’efficacia della Vmc sono stati usati 2 indicatori di trasmissione, basati sul conteggio dei cluster di casi (2 o più casi entro la medesima classe). L’impatto della Vmc è stato valutato sia in modo grezzo, ovvero confrontando i valori dei due indicatori su fasce di classi omogenee quanto al numero di ricambi-ora, sia con tecniche di regressione, tenendo sotto controllo il numero di alunni per classe e il tipo di scuola.

Fra le molte stime di efficacia della Vmc ottenute, di norma sono state selezionate le più prudenti.

  

  1. Risultato principale

Il rischio di trasmissione si può stimare calcolando, per ogni classe, il rapporto fra numero di casi attribuibile ad infezioni avvenute entro la classe e il numero di esposti, ossia di alunni per classe.

Ponendo a 100 il valore dell’indicatore per le classi prive di VMC si può determinare il rischio relativo di infezione per le aule dotate di VMC. Tale rapporto è pari al 37.2%, il che vuol dire che la presenza della VMC in classe abbatte il rischio di trasmissione di un fattore vicino a 3 (indicatore medio).

La portata massima degli apparecchi installati varia notevolmente da scuola a scuola, in un range che va da 100 a 1000 metri cubi-ora. Se distinguiamo le classi in base alla portata degli apparecchi installati, scopriamo che il rischio relativo può scendere intorno a un valore compreso fra 5 e 6 se la portata supera i 750 metri-cubi ora, il che equivale – approssimativamente – a 5 ricambi-ora.

Si può riassumere tutto questo calcolando come cresce il fattore di abbattimento del rischio man mano che sale la qualità della VMC, misurata dal numero di ricambi-ora.

Come indicato nella tabella 1.2 l’indicatore di trasmissione varia in base alla presenza di scuole con VMC/senza VMC o con una differente portata di metri cubi/ora della VMC. Si osserva una variazione dell’efficacia da: 40% correlata ad un ricambio/ora di 0,67-3,33, ad un 66,8% di efficacia correlata a 3,33 – 4,67 ricambio/ora a 82,5% di efficacia con 4,67-6,66 ricambio/ora.

Si vede bene che la VMC, specie se adeguatamente dimensionata (6 o più ricambi-ora), ha una capacità di abbattere il rischio di infezione da Sars-CoV-2 di oltre l’80%. Utilizzandola nelle scuole, si potrebbe passare da un tasso di Incidenza di 250 su 100.000 (soglia di rischio individuata dal Ministero) a un tasso di 50 su 100.000 con l’abbattimento di massimo di efficacia.

Sorprendentemente, il fattore di abbattimento del rischio (compreso fra 5 e 6), desunto da questa ricerca sul campo, corrisponde perfettamente a quello ricavabile dagli studi degli ingegneri ed esperti di qualità dell’aria, basati su esperimenti controllati (vedi

Mikszewski, A., Stabile, L., Buonanno, G., Morawska, L., Increased close proximity airborne transmission of the SARS-CoV-2 Delta variant, Science of the Total Environment, 816, 2022).

 

  1. Notizie sui dati

Il data set finale è costituito da un file con 10465 record (pari al numero delle classi), ciascuno descritto da 21 variabili (più i campi identificativi della classe e della scuola).

Le variabili fondamentali che descrivono ogni classe sono le seguenti:

  • provincia
  • plesso
  • ordine della scuola
  • sezione
  • annualità
  • numero di alunni della classe
  • numero di studenti positivi in 12 periodi diversi
  • presenza/assenza della VMC
  • marca impianto VMC
  • modello impianto VMC

I 12 periodi considerati corrispondono alle settimane, salvo il periodo iniziale, che va dal 13 settembre al 10 ottobre, e il periodo finale, che va dal 7 al 31 gennaio.

Le classi considerate sono tutte quelle senza Vmc (10125), più tutte quelle dotate di Vmc fin dal 13 settembre (316 su 340): in tutto 10441 classi.

Infine, ecco alcune informazioni sintetiche sulle classi considerate.

Per questa prima fase di studio, la percentuale di classi presa in esame è pari al 3% del totale.

L’analisi completa sarà disponibile nei prossimi giorni

Generalizzazione dell’algoritmo di rotazione Chisquaremax di Knüsel

21 Ottobre 2017 - di Silvia Testa

Data AnalysisIn primo piano

Nel 2008 Leo Knüsel ha introdotto un nuovo metodo con cui affrontare il problema della rotazione nell’analisi fattoriale, problema che consiste nel trovare una matrice di rotazione T da applicare ad una matrice iniziale di loading (A) al fine di produrre una matrice di loading ruotata (L= AT) in cui le relazioni tra variabili manifeste e fattori latenti siano più nitide e rendano così più agevole l’interpretazione dei fattori latenti.   Leggi di più

image_print
© Copyright Fondazione Hume - Tutti i diritti riservati - Privacy Policy