紫外线消毒效率计算

数学剂量响应模型和紫外线剂量仪（剂量计）

一般来说，紫外线消毒是紫外线剂量的函数。这种相关性是“对数线性”的，意思是当微生物种群在不同处理间隔下以对数标度绘制时形成一条线。例如，如果一项研究是从100万个微生物的表面测试开始的，那么在紫外线照射10分钟、20分钟和30分钟后，它可能会显示出10万个，然后是1万个，然后是1000个活细胞。

紫外线剂量和消毒之间的直接关系是一种福与祸：它使聪明的紫外线公司能够为他们的机器建立精确的剂量响应模型，但愚弄了不太成熟的紫外线公司，使他们认为只要他们有办法测量或估计紫外线剂量，就不需要进行实验室测试。紫外线剂量计在紫外线室消毒中有多种用途。一些公司使用紫外线剂量计来“证明”他们的设备已经对房间进行了消毒。其他公司使用紫外线剂量计来告诉设备何时关闭。

紫外光剂量计在测量窄光谱紫外光（水银灯泡产生的紫外光）时最为精确。由于宽光谱光的短脉冲超过了大多数剂量计的测量能力，因此剂量计在测量高强度的宽光谱紫外光时没有用处。

基于紫外剂量测量的预测仅与用于预测的剂量反应模型一样精确。即使是稍微不同的研究（不同的设备、不同的灯泡、不同的表面类型等）的数据的使用也会使预测变得不可靠。因此，仅基于剂量反应模型的有效性声明应进行额外审查，特别是如果作为模型基础的源数据取自以前的无关研究。

如果您正在考虑根据公司的紫外线剂量测定数据购买紫外线室消毒设备，请阅读有关抗菌效果的数学剂量反应模型的更多信息。

抗菌效果的数学模型

简单的数学模型很容易建立。在某些情况下，它们是非常准确的。例如，让我们考虑人们用来预测物体在真空中以海平面坠落地球时的速度的著名模型：

velocity = 9.8 meters per second, per second (v=9.8m/s/s)

任何一个物理学家都会告诉你，这个特殊的模型非常精确。不幸的是，并不是所有的模型都那么好。不准确的源数据或模型在不同系统中的应用会导致故障。由于源数据中的错误或不准确而产生的问题是相当明显的。模型在不同环境中的错误应用所产生的问题不太明显，但往往更为严重。

以物体坠落地球为例，探讨模型在不同环境中的误应用：考虑一个落在空中的棒球，而不是一个真空。由于棒球受到来自空气的摩擦，它在9.8 m/s/s的速度下不会加速。如果进行测量，他们可能会显示棒球实际上在9.5 m/s/s的速度下加速。因此，我们的速度模型的应用环境发生了轻微的变化，并且模型变得稍微-尽管可以接受-不准确。

但如果我们对篮球落地的速度感兴趣呢？一个篮球有更多的表面积，所以在空气中下降的速度会更慢。我们的模型将进一步高估其速度。如果我们用我们的模型来预测降落伞坠落地球的速度呢？降落伞不会以接近9.8米/秒的速度落下。如果有上升气流，降落伞甚至可能朝相反的方向移动！

关键是，当模型被用来预测与用来创建它们的数据集不同的未来事件时，它们确实会崩溃。差异越大，数学模型的性能就越差。在某些情况下，数学模型实际上变得毫无用处。这一现象只在抗菌效果的背景下被放大，因为系统本身是复杂的。

示例：医院消毒中紫外线剂量与杀菌效果的建模

一些紫外线设备制造商完全依赖数学模型来支持他们的设备杀死微生物的说法。这是弱支持，因为源数据容易出错，而且几乎没有一个是医院派生的。用于紫外线数学模型的数据可能来自食品研究、水研究或小规模表面消毒研究。该类型紫外线源数据的测量误差源的部分列表如下：

所用微生物属和种的变异性

研究中微生物初始数量的变异性

研究时表达的保护蛋白的变异性

紫外剂量测量误差（mJ/平方厘米）

存活微生物计数中的错误

在许多现有的紫外线消毒文献中，医院房间有各种各样的复杂性，所以这些模型常常被误用。例如，医院房间的所有角度都有对象，在其他对象上投射阴影。医院微生物可能与许多学术测试中使用的实验室培养微生物没有什么共同之处。

总之，公开可用的紫外线消毒源数据通常是在医院消毒以外的环境中生成的，例如通过饮用水研究。因此，建立在这些数据集上的模型是不可靠的。此外，这些模型可能被制造商错误地应用于复杂的医院环境，这大大降低了预测能力的水平。因此，紫外线全室消毒设备的购买者不应依赖数学模型作为设备消毒房间的“证据”。在普通使用环境下对实际设备进行的实验室测试是更有效的证据，正如盲法、同行评审的临床结果研究一样。