Medición de CO₂ para la Mejora de la Calidad del Aire en Espacios Interiores: Una Revisión de Literatura
Uloženo v:
| Název: | Medición de CO₂ para la Mejora de la Calidad del Aire en Espacios Interiores: Una Revisión de Literatura |
|---|---|
| Autoři: | Barco Jiménez, John, Campaña, Sixto |
| Zdroj: | Documentos de Trabajo ECBTI; Vol. 5 Núm. 1 (2024) |
| Informace o vydavateli: | Sello Editorial UNAD, 2025. |
| Rok vydání: | 2025 |
| Témata: | Monitorización de CO₂, ocupación de edificios, CO2 Monitoring, IoT, salud ambiental, clinical laboratories, risk prevention, air quality, environmental health, Calidad del aire, laboratorios clínicos, building occupancy |
| Popis: | Mantener una buena calidad del aire interior es vital para la salud y la seguridad en los laboratorios clínicos, ya que implica proteger al personal y garantizar la exactitud de la investigación. La pandemia de COVID-19 demostró la importancia de prevenir la propagación de enfermedades transmitidas por el aire. El CO₂ constituye un indicador clave en este contexto: sus niveles muestran si la ventilación funciona correctamente y si los espacios están sobreocupados. Las concentraciones elevadas suelen reflejar una ventilación deficiente, lo cual aumenta el riesgo de transmisión de enfermedades respiratorias. A pesar de los avances tecnológicos, existe una carencia de estudios centrados en el uso de la monitorización de CO₂ y de ventilación inteligente en laboratorios clínicos; la mayoría de las investigaciones se enfocan en hogares o edificios comerciales, cuyos requisitos son menos estrictos. Herramientas como los sensores de infrarrojo no dispersivo (NDIR) y modelos de IA, por ejemplo, redes de memoria a largo plazo (LSTM) o algoritmos Random Forest, pueden predecir la calidad del aire y optimizar la ventilación. Sin embargo, su uso en entornos clínicos sigue siendo limitado. Para profundizar en este aspecto, esta revisión examina tecnologías de sensores, modelos predictivos y la interacción humano-ambiente. Se recopilaron artículos de las bases de datos Scopus e IEEE publicados entre 2020 y 2025, seleccionando 41 para un análisis detallado bajo criterios específicos. Los hallazgos resaltan la necesidad de sistemas adaptativos que consideren tanto los datos ambientales como el comportamiento humano. Dichos sistemas pueden conducir a una gestión de calidad del aire más segura, eficiente y adecuada para entornos clínicos, donde la fiabilidad y la resiliencia son esenciales. Maintaining good indoor air quality is vital to health and safety in clinical laboratories, as it involves protecting staff and ensuring the accuracy of research. The COVID-19 pandemic demonstrated the importance of preventing the spread of airborne diseases. CO₂ is a key indicator in this context: its levels show whether ventilation is working properly and whether spaces are overcrowded. High concentrations often reflect poor ventilation, which increases the risk of respiratory disease transmission. Despite technological advances, there is a lack of studies focused on the use of CO₂ monitoring and intelligent ventilation in clinical laboratories; Most research focuses on homes or commercial buildings, whose requirements are less stringent. Tools such as non-dispersive infrared (NDIR) sensors and AI models, e.g. long-term memory networks (LSTMs) or Random Forest algorithms, can predict air quality and optimize ventilation. However, its use in clinical settings remains limited. To delve deeper into this aspect, this review examines sensor technologies, predictive models, and human-environment interaction. Articles from the Scopus and IEEE databases published between 2020 and 2025 were collected, selecting 41 for detailed analysis under specific criteria. The findings highlight the need for adaptive systems that consider both environmental data and human behavior. Such systems can lead to safer, more efficient air quality management suitable for clinical settings, where reliability and resilience are essential. |
| Druh dokumentu: | Article |
| Popis souboru: | application/pdf |
| Jazyk: | Spanish; Castilian |
| DOI: | 10.22490/ecbti.9981 |
| Přístupová URL adresa: | https://publicaciones.unad.edu.co/index.php/wpecbti/article/view/9981 https://repository.unad.edu.co/handle/10596/75034 |
| Přístupové číslo: | edsair.od......2703..75bbc47a3b5c269bd80003f307eda328 |
| Databáze: | OpenAIRE |
Nájsť tento článok vo Web of Science | Abstrakt: | Mantener una buena calidad del aire interior es vital para la salud y la seguridad en los laboratorios clínicos, ya que implica proteger al personal y garantizar la exactitud de la investigación. La pandemia de COVID-19 demostró la importancia de prevenir la propagación de enfermedades transmitidas por el aire. El CO₂ constituye un indicador clave en este contexto: sus niveles muestran si la ventilación funciona correctamente y si los espacios están sobreocupados. Las concentraciones elevadas suelen reflejar una ventilación deficiente, lo cual aumenta el riesgo de transmisión de enfermedades respiratorias. A pesar de los avances tecnológicos, existe una carencia de estudios centrados en el uso de la monitorización de CO₂ y de ventilación inteligente en laboratorios clínicos; la mayoría de las investigaciones se enfocan en hogares o edificios comerciales, cuyos requisitos son menos estrictos. Herramientas como los sensores de infrarrojo no dispersivo (NDIR) y modelos de IA, por ejemplo, redes de memoria a largo plazo (LSTM) o algoritmos Random Forest, pueden predecir la calidad del aire y optimizar la ventilación. Sin embargo, su uso en entornos clínicos sigue siendo limitado. Para profundizar en este aspecto, esta revisión examina tecnologías de sensores, modelos predictivos y la interacción humano-ambiente. Se recopilaron artículos de las bases de datos Scopus e IEEE publicados entre 2020 y 2025, seleccionando 41 para un análisis detallado bajo criterios específicos. Los hallazgos resaltan la necesidad de sistemas adaptativos que consideren tanto los datos ambientales como el comportamiento humano. Dichos sistemas pueden conducir a una gestión de calidad del aire más segura, eficiente y adecuada para entornos clínicos, donde la fiabilidad y la resiliencia son esenciales. Maintaining good indoor air quality is vital to health and safety in clinical laboratories, as it involves protecting staff and ensuring the accuracy of research. The COVID-19 pandemic demonstrated the importance of preventing the spread of airborne diseases. CO₂ is a key indicator in this context: its levels show whether ventilation is working properly and whether spaces are overcrowded. High concentrations often reflect poor ventilation, which increases the risk of respiratory disease transmission. Despite technological advances, there is a lack of studies focused on the use of CO₂ monitoring and intelligent ventilation in clinical laboratories; Most research focuses on homes or commercial buildings, whose requirements are less stringent. Tools such as non-dispersive infrared (NDIR) sensors and AI models, e.g. long-term memory networks (LSTMs) or Random Forest algorithms, can predict air quality and optimize ventilation. However, its use in clinical settings remains limited. To delve deeper into this aspect, this review examines sensor technologies, predictive models, and human-environment interaction. Articles from the Scopus and IEEE databases published between 2020 and 2025 were collected, selecting 41 for detailed analysis under specific criteria. The findings highlight the need for adaptive systems that consider both environmental data and human behavior. Such systems can lead to safer, more efficient air quality management suitable for clinical settings, where reliability and resilience are essential. |
|---|---|
| DOI: | 10.22490/ecbti.9981 |