学習デザインと監視
適格な参加者は、以下の感染性呼吸器疾患の症状についてスクリーニングされました：咳、体の痛み、悪寒、発熱、味または臭いの喪失。さらに、すべての参加者の気温が採取されました。 IRD症状のために参加者は除外されていません。
この研究は、データを収集して分析したユタ大学の調査員によって考案され、実施されました。すべての著者は、このレポートの正確さと忠実度を保証し、保証しました（で利用可能 http://www.biomedcentral.com）。すべての研究は、ヘルシンキ宣言に従って実施されました。
参加者
医療従事者の参加者は、実験時間に参加する可能性と意欲に基づいて、電子メールへの応答を介して選択されました。すべての参加者は、主にユタ大学医療センターの救急部門で働いていました。参加者の3人は女性で、2人は男性でした。彼らはすべて、4人の登録看護師、1人の救急医療技術者、1人の薬剤師を含むさまざまな背景を持っていました。 1人の看護師は、堅牢な自発的な咳または測定可能なプルームを生産できないために除外されました。これら5人の参加者からのデータを分析して、実現可能性を結論付け、予備的な観察を得ました。
研究サイト
この実験は、SARS-COV-2の症状の可能性がある呼吸器患者を対象とした外部の空気圧オーバーフローテントで実施されました。
手順
予定された時間のためにボランティアで任命されたため、参加者は以前のように除外基準でスクリーニングできるようになり、同意書を読み直し、質問に答え、書面によるインフォームドコンセントを提供できます。事前スクリーニングを完了した後、参加者は黒い長袖シャツに変更して咳止め駅に進むように求められました。咳止めステーションは、黒い写真家のカーテンを背景として使用して設置され、2つの傘のスタジオライトで照らされました。マーキングは、黒い写真家のカーテンの背景の上部に沿って12インチの増分で120インチに伸びていました。参加者は、専用の場所に立って、咳の指示を読むように求められました（補足付録の図S2）。参加者は、4つの咳をするように求められました：遮るもの、肘の中に、マスクの中に、そしてシャツの中に。咳止めプルームまたは雲をシミュレートするために（以下、咳止めプルーム、呼吸器またはプルームと呼ばれます）、実験では、粉砂糖を使用して滴のプルームをシミュレートしました。参加者には、深呼吸をして肺を完全に膨張させ、投与カップから粉砂糖を口に空にし、オープンベンチ形式で上記の呼吸器のエチケット操作を使用して最善の努力を引き出します。咳止めプルームは、三脚のSamsung Note 10 + 5G電話を使用して記録され、スローモーションモードで各咳をキャプチャしました（1920×1080ピクセルの解像度で1秒あたり240フレーム）。参加者ごとに複数のビデオクリップが作成されました（補足付録のS1-S4リンク）。 5人の参加者全員が4つの異なる咳操作を完了し、次のシーケンスのために咳が回復するのに十分な時間が与えられました。
データ処理
アルゴリズムは、最初にビデオの0番目のフレームを取得し、色相飽和値の色空間でしきい値を介してテープラインをマークすることにより、テープマスクを作成します。探しているプルームは白で、0番目のフレームにはまだプルームピクセルが含まれていないため、0番目のフレームを使用します。これらの領域には、しきい値を下回る暗い色でマークします。
咳止め（白）ピクセルの最も多くの数を求めて、すべてのフレームを順次分析します。各フレームnについて、色相飽和値（HSV）の色空間でしきい値をかけて「スキン」ピクセルを削除します。参加者のシーケンス内のどのフレームが白いピクセルが最も多かったかについて、より正確なアカウントを見つけるために、テープと肌をできる限り自動的に削除することを選択します。
HSVしきい値の値は次のとおりです。
[0, 0, 180]≤テープのしきい値≤ [255, 38, 255]。
[0, 0, S]≤スキンのしきい値≤ [40, 90, 255]sの場合 [210,240]。
スキンまたはバックグラウンドピクセルの数を最小限に抑えたら、コントラスト限定適応ヒストグラムの均等化を適用しました [30] （クリップ制限= 3.0、タイルグリッドサイズ=（8、8））ラボカラースペースの輝度チャネル上の画像を明るくします。これは、プルームを背景から分離するための不可欠なステップであることがわかりました。次に、コントラスト調整された画像をしきい値で締めくくり、99のプルームしきい値が経験的に見つかった [0, 255] データセットの画像で機能しました。このフレームのフレーム番号とホワイトピクセルの数を記録し、他のフレームの処理を繰り返しました。
白いピクセルの数が最も多いフレームが見つかったら、プルームのサイズのより正確なカウントを取得するために、しきい値画像をクリーンアップしました。次に、輪郭検索アルゴリズムを使用して、近くの白いピクセルを正確にグループ化しました。次に、距離のしきい値を使用して、グループ化されたピクセルを組み合わせて、輪郭を囲む最大プルームを計算し、この咳最大プルーム面積（MPA）と呼びます。参加者4の結果が示されています（図1）。すべての操作全体のすべての参加者の結果が提供されます（図2および3、表1）。
図1
咳止めエチケット操作の咳最大プルーム領域。スローモーションビデオからの4つの呼吸器エチケット操作すべてにわたって匿名化された参加者4の咳最大プルーム面積（MPA）の概要。各静止画像には、ソフトウェアが検出された最大プルームピクセル境界（ピンクのアウトライン）で注釈が付けられます。遮るもののない咳最大プルーム面積（MPA）は、他の操作よりもはるかに大きいです。肘の操作は密な塵の雲を生成しますが、マスクとシャツの操作は放出された微粒子の数を減らします
図2
すべての参加者と呼吸器のエチケット操作のための咳止まりの最大プルーム領域（MPA）、スローモーションビデオの匿名の参加者全体の咳止め最大プルーム面積の概要。各ビデオの静止画像には、4つの操作すべてにわたってソフトウェア検出された咳最大プルーム面積（MPA）が注釈が付けられています。一部の参加者の操作は、特にシャツとマスク操作にソフトウェア検出可能なプルームをもたらしませんでした。
統計分析
記述統計を使用して、各操作間の咳MPAを比較しました。咳MPAは、咳を生成するために使用されるベースライン力の個人差を説明するために、生のピクセルではなく、各被験者の遮るもののない操作に正規化されました。これは、被験者間でわずかに変化したカメラから離れた距離を調整しました。反復測定ANOVAテストを使用して、再操作全体で正規化された咳MPA間の統計的に有意な差を評価しました。ペアのt検定を使用して、2つのグループ間の平均差を比較します。各操作は独立変数と見なされました。 a p-0.05の価値カットを使用して、統計的有意性を決定しました。分析は、STATA/IC 16.1ソフトウェアで行われました。
1746705080
#呼吸器病原体伝播を混乱させるためにシャツに咳をするパイロット研究救急医療の国際ジャーナル
2025-05-08 11:22:00