Фото: mir24.tv
Ученые сравнили эффективность разных средств защиты
Исследователи сравнили, как респиратор, бафф, щиток и два типа масок защищают от микрокапель в воздухе.
Ученые из Национального института охраны труда США проверили эффективность нескольких видов средств защиты от заражения через аэрозоли, который разлетается при кашле. Результаты исследования опубликованы на medRxiv.
Исследователи использовали имитатор аэрозоля от кашля с муляжом головы, чтобы отследить перемещение мелких частиц (от 0 до 7 мкм) через различные барьеры для прикрытия лица. Посмотреть на количество аэрозольных частиц в шести фракциях, которые прошли через каждый барьер и/или мимо него.
Ученые выяснили, что респираторы типа N95 (класс защиты FFP3) блокируют 99% аэрозоля, который разлетается при кашле – это наилучшая защита как для окружающих больного, так и для того, чтобы обезопасить себя в группе людей, где могут быть больные COVID-19 или любым другим респираторным заболеванием.
Обычная хирургическая маска заблокировала примерно 59% кашлевого аэрозоля, трехслойная тканевая маска – 51%, бафф из полиэстера – 47% в одном слое и 60%, когда надет в два слоя. Прозрачный щиток для лица заблокировал только 2% аэрозоля от кашля. Между тем, он обеспечивает защиту глаз и лица от крупных капель и брызг.
На частицы аэрозоля размером более 50-100 мкм в первую очередь действует сила тяжести – они быстро падают на землю. Такие частицы обычно оседают в пределах нескольких метров от источника.
По мере того, как диаметр частиц уменьшается с 50 до 5-10 мкм, скорость оседания быстро уменьшается: они гораздо дольше остаются в воздухе и на них сильнее влияют воздушные потоки. Например, частице размером 10 мкм требуется 5,4 минуты, чтобы осесть на 1 м в неподвижном воздухе, а частице 1 мкм – целых 8 ч. Мелкие частицы легче вдыхать, и они глубже проникают в легкие.
Ранее физики из США установили, что самодельные маски практически не уступают медицинским маскам класса N95.
Новости от Корреспондент.net в Telegram. Подписывайтесь на наш канал https://t.me/korrespondentnet