Yapay zeka analiz destekli kapalı ortam hava kalitesinin sağlık üzerine etkilerinin araştırılması

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.