ANALYSIS OF THE EFFECTS OF ARTIFICIAL INTELLIGENCE SUPPORTED INDOOR AIR QUALITY ON HEALTH


Creative Commons License

Topaktaş B., Sarıkoç M., Bektaş Y., Sarıkoç S., Akman A. U.

11th INTERNATIONAL ZEUGMA CONFERENCE ON SCIENTIFIC RESEARCH, Gaziantep, Turkey, 18 - 20 March 2024, pp.382-395

  • Publication Type: Conference Paper / Full Text
  • City: Gaziantep
  • Country: Turkey
  • Page Numbers: pp.382-395
  • Erciyes University Affiliated: Yes

Abstract

Among the health effects associated with indoor air pollutants in schools, the increased risk ofrespiratory tract infections (RTI) and Sick Building Syndrome (SBS) have an important place. This study aimed to determine the effect of indoor air quality on the incidence of respiratory tract infections, sick building syndrome, and absenteeism in a high school, to design an air quality measurement system to estimate the air quality index of indoor spaces, to develop a deep learning network as an artificial intelligence-based model with data obtained from sensors. The population of this cross-sectional study was 774 high school students in a high school in Samsun. Data collection was carried out between 28/11/2022-16/06/2023. Two workshop classes were selected using the simple random method. During a total of 118 working days, carbon dioxide (CO2), temperature, humidity and particulate matter (PM) were measured with an air quality measurement system whose software and electronic design were specially prepared for this study. Following the completion of the measurements, a survey form was administered to the students. The first part of the survey included the sociodemographic data form and the questionnaire regarding RTI prepared by the researchers, and the second part included the MM 060 NA School scale to detect SBS symptoms. In addition to the survey information, absenteeism information of the sampled students was provided. Among a total of 79 students, the prevalence of SBS was 8.9%, and the number of people who stated that they had RTI at least once was 14 (17.7%). The annual average values across the school were measured as 47.6% for relative humidity, 24.8°C for temperature, 1433.7 ppm for CO2, 15.1 μg/m3 for PM1, 22.3 μg/m3 for PM2.5, and 31.1 μg/m3 for PM10. In the logistic regression analysis, it was determined that smoking increased the risk of having an RTI by 8.0 times. A low positive correlation was determined between illness-related absences and all indoor air quality variables except humidity and temperature. It was observed that absences due to illness were higher in the days following the days when CO2 and PM2.5 exceeded the limit. Regarding AI-based prediction models, lower error rates were achieved in LSTM, achieving an accuracy rate of 81.25% for both datasets. No significant effect of indoor air quality on the development of RTI and SBS was found, but it was observed that the increase in CO2 and PM increased sickness-related absences at a low level. The use of automatically activated air conditioning technologies can be implemented to ensure effective ventilation.

Okullarda iç mekan hava kirleticileriyle ilişkili sağlık etkileri içinde, solunum yolu enfeksiyonları (SYE) riskinde artış ve Hasta Bina Sendromu (HBS) önemli yer tutmaktadır. Bu çalışmada bir lisede iç hava kalitesinin solunum yolu enfeksiyonları insidansı, hasta bina sendromu, devamsızlıklar üzerine etkisinin belirlenmesi ve iç mekanların hava kalite indeksinin tahmin edilebilmesi amacıyla hava kalitesi ölçüm sistemi tasarımı ve sensörlerden elde edilen veriler ile yapay zekaya dayalı model olarak bir derin öğrenme ağı geliştirilmesi amaçlanmıştır. Kesitsel tipteki bu çalışmanın evrenini Samsun’da bir lisede öğrenim gören 774 lise öğrencisi oluşturdu. Veri toplama işlemi 28/11/2022-16/06/2023 tarihleri arasında gerçekleştirildi. Basit rastgele yöntem kullanılarak iki adet atölye sınıfı seçildi ve toplamda 118 gün iş günü boyunca karbondioksit (CO2), sıcaklık, nem ve partiküler madde (PM) ölçümleri, bu çalışma kapsamında yazılımı ve elektronik tasarımı özel hazırlanmış hava kalitesi ölçüm sistemi ile yapıldı. Ölçümlerin tamamlanmasını takiben öğrencilere yönelik olarak anket formu uygulandı. Anketin ilk bölümünde araştırmacılar tarafından hazırlanan sosyodemografik veri formu ve SYE geçirme durumuna ilişkin soru formu, ikinci bölümünde ise HBS belirtilerinin saptanması amacıyla MM 060 NA School ölçeği yer aldı. Anket bilgilerinin yanı sıra örnekleme alınan öğrencilerin devamsızlık bilgileri temin edildi. Toplam 79 öğrenci arasında HBS prevalansı %8,9, en az bir defa SYE geçirdiğini belirten kişi sayısı 14 (%17,7) olarak belirlendi. Okulun genelinde senelik ortalama bağıl nem için %47,6, sıcaklık için 24,8°C, CO2 için 1433,7 ppm, PM1 için 15,1 μg/m3, PM2.5 için 22,3 μg/m3, PM10 için 31,1 μg/m3 olarak ölçüldü. Yapılan lojistik regresyon analizinde, sigara içmenin SYE geçirme riskini 8,0 kat arttırdığı belirlendi. Nem ve sıcaklık dışındaki tüm iç ortam hava kalitesi değişkenleriyle, raporlu devamsızlıklar arasında düşük derecede pozitif yönde korelasyon belirlendi. CO2 ve PM2.5’un limiti aştığı günleri takip eden günlerde raporlu devamsızlıkların daha yüksek olduğu görüldü. Yapay zekaya dayalı tahmin modelleri ile ilgili olarak, LSTM’de daha düşük hata oranları elde edildi ve her iki veri seti için de %81,25’lik doğruluk oranını elde edildi. İç ortam hava kalitesinin SYE ve HBS gelişimi üzerine anlamlı bir etkisi bulunamamış ancak CO2 ve PM artışının, raporlu devamsızlıkları düşük düzeyde arttırdığı gözlenmiştir. Etkin havalandırmanın sağlanması için otomatik bir şekilde devreye giren iklimlendirme teknolojilerinin kullanımı hayata geçirilebilir.