THMMY.gr

Τσακάλια,
Η καταστολή έχει μπει για τα καλά στη ζωή μας:απαγόρευση κυκλοφορίας, συναθροισεων κλπ. Όλα αυτά στο όνομα της αντιμετώπισης του ιού. Η κυβέρνηση πετάει αετό 7 μήνες σερί, η κατάσταση στη Θεσσαλονίκη είναι εκτός ελέγχου, τα μέτρα που λαμβάνονται για την πρόληψη ουσιαστικά είναι βούτυρο στο ψωμί του κρατικού επιταχυντή για να περάσουν αντικοινωνικα νομοσχέδια.
Λαμβάνοντας τα παραπάνω υπ όψιν, πως σας φαίνεται η ιδέα να βάλουμε συνέλευση ΤΗΡΟΥΜΈΝΩΝ ΤΩΝ ΑΤΟΜΙΚΏΝ ΜΕΤΡΩΝ ΠΡΟΣΤΑΣΙΑΣ ΚΑΙ ΣΕ ΑΝΟΙΧΤΌ ΧΏΡΟ?

Γιατί να μην γίνει online αυτή η συνάντηση; Το να μαζευτούμε πολλά άτομα, ακόμα και σε ανοικτό χώρο μου φαίνεται πολύ ριψοκίνδυνο + πολλά παιδιά λείπουν στις πόλεις τους

Σωστο, ας γίνει και μια διαδικτυακή κουβέντα, ωστόσο θα υπαρχουν πολλά προβλήματα τόσο στο κομμάτι τοποθετήσεων όσο και στην ψήφιση πλαισίων κλπ, γενικότερα στο πρακτικό κομμάτι. Επιπλέον, εάν γίνει κάτι τέτοιο στο πάρκινγκ με 60 άτομα ΞΑΝΑΛΈΩ ΤΗΡΟΥΜΈΝΩΝ ΤΩΝ ΥΓΕΙΟΝΟΜΙΚΏΝ Μέτρων δε νομίζω να δημιουργεί τόσο σοβαρό πρόβλημα, ειδικά από τη στιγμή που 1 στα 3 άτομα στατιστικά έχει κορονι

Σήμερα που συνεδριάζε ο σύλλογος εστιακων σκασανε ματ.

Απλά δε γίνεται κάπως να κάνουμε σενάρια για το πως θα αντιδράσει το κράτος όσων αφορά την συλλογική παράβαση των μέτρων του. Ότι θα βρίσκει αφορμές για το οτιδήποτε θα βρίσκει, αυτό σημαίνει ότι εμείς δεν θα σκεπτόμαστε ορθολογικά από μεριάς μας?
Και νομίζω ότι δεδομένων των συνθηκών είναι απαραίτητο να συνεδριάσει ο σύλλογος και να κατέβει κόσμος στον δρόμο τη 17η Νοέμβρη

Ε ας γίνει συνέλευση να κολλήσουν και οι άλλοι δύο ..


Που να μη σκεφτόσουν και ορθολογικά, να δω τι θα έλεγες ... Ρε πάτε καλα ρε; Εδώ πεθαίνει κόσμος κάθε μέρα και εσύ θες να κατέβεις για πορεία στις 17 Νοέμβρη.

Υπάρχουν αρκετές δωρεάν πλατφόρμες με ασφαλή ψηφοφορία.


συμφωνώ εδώ

Ρε πάτε καλά ρε; Εδώ πεθαίνει κόσμος κι εσυ θες νά βουλιάξουμε πιο πολύ στον καναπέ μας.
Πέρα από την πλάκα τώρα αν μπορεί κάτι να γίνει για να πάει αλλιώς η κατάσταση σε αυτό το λοκντάουν αυτό είναι η 17 νοεμβρη. Είναι η μόνη στιγμή που μπορεί να βγει ένα κομμάτι κόσμου στο δρόμο και να διεκδικήσει τα αυτονόητα. Μαζικά δωρεάν τέστ, προσλήψεις μόνιμων γιατρών και νοσηλευτών για ενίσχυση του ΕΣΥ, πραγματική επίταξη ιδιωτικών θεραπευτηρίων και οχι ακριβά ενοικιαστήρια, περισσότερα και πιο συχνά  δρομολόγια οασθ έτσι ώστε όσοι πάνε στις δουλειές τους να μην παστώνονται (είναι μεγάλη πληγή στην μετάδοση ο οασθ).  Πρέπει να υπάρξει μία πίεση έτσι ώστε να παρθούν αυτά τα μέτρα και όχι ΜΟΝΟ μέτρα τα οποία βγαίνουν στην κυβέρνηση τσάμπα. Οσο για το υγειονομικό του πράγματος νομίζω ότι οι πιθανότητες να κολλήσει κανείς σε πορεία (η γενικά σε μια κατασταση)  όπου ισχύουν : ανοικτός χώρος + αποστάσεις 1.5μ + μάσκες όλοι,  ειναι πολύ μικρές.

αρκει αυτο να μπορει να (επι)τηρηθει αυστηρα. και στις πιο προσφατες πορειες δυστυχως δεν το ειδαμε

Από σήμερα το ΑΠΘ έχει μπάτσους σε όλους τις εισόδους του, που επιτρέπουν τη διέλευση μόνο σε υπαλλήλους του πανεπιστημίου, ενώ η πρυτανεία ήδη ανακοίνωσε ότι 16 και 17 Νοέμβρη όλοι οι χώροι του πανεπιστημίου θα είναι κλειστοί, συμπεριλαμβανομένου και του Πολυτεχνείου. Προφανώς θα ήταν ιδιαίτερα σημαντικό να γίνει τώρα μία (δια ζώσης) συνέλευση, μετά από τα όσα συμβαίνουν τον τελευταίο καιρό και εν όψει πολυτεχνείου, ωστόσο δεν ξέρω αν πλέον αυτό είναι δυνατό σε χώρο του πανεπιστημίου. Από κει και πέρα πάντως, το πιο σημαντικό είναι στις 17 Νοέμβρη να υπάρχει μαζική συμμετοχή στην πορεία του Πολυτεχνείου. Γιατί η πορεία αυτή δεν είναι ούτε πολιτικό μνημόσυνο ούτε αριστερίστικο αντανακλαστικό όπως κάποιοι επιμένουν με τον λόγο τους και τις πρακτικές τους να την προσδιορίζουν. Είναι πορεία εναντίωσης στις πολιτικές τους, που όχι μόνο φτωχοποιούν αλλά πλέον σκοτώνουν στην κυριολεξία τον λαό. Η απαγόρευση της πορείας του Πολυτεχνείου είναι φίμωση των επικίνδυνων για την κυβέρνηση φωνών, φίμωση του κινήματος που κάνει ουσιαστική αντιπολίτευση στους δρόμους και όχι στη Βουλής. Η πραγματοποίηση της πορείας του πολυτεχνείου θα είναι μια σημαντική πολιτική ήττα για την κυβέρνηση, κάτι που μόνο η μαζική συμμετοχή θα μπορέσει να εξασφαλίσει . Σε ότι αφορά τα υγειονομικά μέτρα και την τήρησή τους, νομίζω ότι ο κόσμος που συμμετέχει τόσο στην πορεία του πολυτεχνείου όσο και σε αντίστοιχου περιεχομένου κινητοποιήσεις, είναι ο κόσμος εκείνος που διατηρεί πάγια μια στάσης αλληλεγγύης απέναντι στην κοινωνία, σε όποια προβλήματα αυτή αντιμετωπίζει.

••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
Εγώ διαφωνώ με τον Maxwell και τον Euler  ::) :P οπότε εσείς που είστε μελετηρά παιδιά λύστε αυτές τις εξισώσεις και αποδείξτε αν θα υπάρχει ή όχι διάδοση του ιού σε μια πορεία
••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
FIG. 1.
Schematic depicting the key stages in the airborne transmission of a respiratory infection such as COVID-19.

https://ibb.co/J7NBtJM
(https://i.ibb.co/1q3vQWw/Schematic-depicting-the-key-stages-in-the-airborne-transmission-of-a-respiratory-infection-such-as-C.jpg) (https://ibb.co/J7NBtJM)

https://ibb.co/xMywd3y
(https://i.ibb.co/THZJdrZ/PHFLE6-000032-101903-1-g003.jpg) (https://ibb.co/xMywd3y)

FIG. 2.
The contagion airborne transmission (CAT) inequality that evaluates the conditions for the airborne transmission of a respiratory infection such as COVID-19. The left-hand side of the inequality represents the total inhaled viral dose, and the right-hand side is the minimum aerosol dose required to initiate an infection in the susceptible. The inequality is satisfied (and the transmission is successful) when the susceptible inhales a viral dose that exceeds the minimum infectious dose. The variables in the model can be segregated in different ways, as shown in the graphic.

(https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7583361/bin/PHFLE6-000032-101903_1-g002.jpg)
••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
Phys Fluids (1994). 2020 Oct 1; 32(10): 101903.
doi: 10.1063/5.0025476
PMCID: PMC7583361
PMID: 33100806
A mathematical framework for estimating risk of airborne transmission of COVID-19 with application to face mask use and social distancing
Rajat Mittal ,1,2,a) Charles Meneveau,1 and Wen Wu 3

Abstract
A mathematical model for estimating the risk of airborne transmission of a respiratory infection such as COVID-19 is presented. The model employs basic concepts from fluid dynamics and incorporates the known scope of factors involved in the airborne transmission of such diseases. Simplicity in the mathematical form of the model is by design so that it can serve not only as a common basis for scientific inquiry across disciplinary boundaries but it can also be understandable by a broad audience outside science and academia. The caveats and limitations of the model are discussed in detail. The model is used to assess the protection from transmission afforded by face coverings made from a variety of fabrics. The reduction in the transmission risk associated with increased physical distance between the host and susceptible is also quantified by coupling the model with available and new large eddy simulation data on scalar dispersion in canonical flows. Finally, the effect of the level of physical activity (or exercise intensity) of the host and the susceptible in enhancing the transmission risk is also assessed.

I. INTRODUCTION
COVID-19 has spread across the world with a speed and intensity that have laid bare the limits of our understanding of the transmission pathways and the associated factors that are key to the spread of such diseases. There is, however, an emerging consensus that “airborne transmission,” where virion bearing respiratory droplets and droplet nuclei (also called respiratory aerosols) expelled by an infected person (the “host”) are inhaled by a “susceptible” individual, constitutes an important mode for the spread of COVID-19.1–5 Questions regarding the size of the droplets involved6–9 and the range of such transmission10 can be bypassed by noting that the key element that differentiates airborne transmission from the droplet and contact routes of transmission11 is the essential role of inhalation by the susceptible in the pathway for transmission. Generally, it is the small (<10 µm) particles that are likely to be entrained into the inhalation current of a person, while environmental conditions as well as the proximity between the host and the susceptible could allow larger particles/droplets to play a role in airborne transmission.

Irrespective of the size of droplets or the range involved, the airborne transmission of COVID-19 and other respiratory infections involve the following sequence of events (see Fig. 1):

1.generation, expulsion, and aerosolization of virus-containing droplets from the mouth and nose of an infected host,

2.dispersion and transport via ambient air currents of the respiratory aerosols to a susceptible, and

3.inhalation of droplets/aerosols and deposition of virus in the respiratory mucosa of the susceptible.

(https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7583361/bin/PHFLE6-000032-101903_1-g001.jpg)

FIG. 1.
Schematic depicting the key stages in the airborne transmission of a respiratory infection such as COVID-19.

Each phase in this sequence has complex dependencies on a variety of factors that may include the morphological properties and pathogenicity of the virus, the health status of the host and/or the susceptible, environmental conditions, and the presence/effectiveness of face coverings being used by the host and/or susceptible. Given this complexity of phenomenology and the many factors involved, it is not surprising that even after more than eight months of the world dealing with the COVID-19 pandemic, there are fundamental questions that continue to confound scientists, policy makers, and the members of the public at large. These include the following questions: What factors have enabled the SARS-CoV-2 to spread so much faster and more extensively than other similar viruses in the recent past?12,13 Why is the rate of infection so different in different regions/countries of the world?14 How much lower is the likelihood of transmission in an outdoor environment compared to an indoor environment?10,15 How do policies and societal behavior such as compliance with mask wearing affect the rate of transmission?16,17 Finally, how does the transmission risk reduce with distance between the host and the susceptible?

Scientists spanning fields such as biomedicine, epidemiology, virology, public health, fluid dynamics, aerosol physics, public policy, behavioral psychology, and others are tackling these as well as other important questions. However, what is lacking is a simple and intuitive conceptual framework (or model) that encapsulates the complex, multifactorial scope of this problem in a manner that not only serves as a common basis for scientific inquiry across disciplinary boundaries but also as a tool to more easily communicate the factors associated with the spread of this disease to a wide range of stakeholders including non-scientists such as policy-makers, public media, and the public at large. Given the rapidly evolving nature of the pandemic and the resurgence of infections in many communities,18 the importance of clear communication of infection risk across scientific disciplines, as well as to policy/decision makers and other segments of society, is more important than ever.

II. THE CONTAGION AIRBORNE TRANSMISSION (CAT) INEQUALITY
In 1961, Dr. Frank Drake, an astronomer and astrophysicist involved in the search for extraterrestrial intelligence, conceived a conceptual framework to predict the number of technological civilizations that may exist in our galaxy. The Drake equation,19,20 as it has become known, involves a number of probabilistic factors, which when multiplied together result in the number of civilizations within our galaxy, at any given moment, that humanity could communicate with. The power of this equation is not in the fact that it actually allows us to predict this number with a known level of certainty, but in the fact that it provides an easy to understand framework for grasping the key factors involved in something that seems inestimable: the number of advanced life forms that exist elsewhere in our galaxy.

Motivated by the Drake equation, and based on the idea that airborne transmission occurs if a susceptible inhales a viral dose that exceeds the minimum infectious dose,21,22 the model in Fig. 2 to predict the possibility of airborne transmission of a respiratory contagion such as SARS-CoV-2 from an infected host to a susceptible is proposed.

In the expression in Fig. 2, which we refer to as the Contagion Airborne Transmission (CAT) Inequality,

R˙h represents the rate of expulsion of respiratory droplets from the nose and mouth of the host (number of droplets per unit time),
fvh represents the fractional viral emission load—the average number of virions contained in each expelled droplet,
fmh represents the fraction of expelled droplets that make it past the face covering of the host,
fah represents the fraction of expelled droplets that aerosolize (i.e., become suspended in the air),
fat represents the fraction of aerosolized droplets that transport to the vicinity of the susceptible,
fvv represents the fraction of aerosolized droplets transported to the vicinity of the susceptible that contain viable virions,
fis represents the fraction of aerosols in the vicinity of the susceptible that would be inhaled by a susceptible not wearing a face covering,
fms represents the fraction of inhaled aerosols that are filtered by the face covering of the susceptible,
R˙tot represents the total rate of viable virion inhalation by the susceptible (number per unit time),
Ts represents the duration of exposure of the susceptible to the aerosols from the host, and
NID represents the minimum number of inhaled virions required to initiate an infection in the susceptible.
The CAT inequality is a mathematical model for the estimation of infection risk that can be used based on various interpretations of its constituent terms. For example, if R˙tot and NID are known, then the CAT inequality allows one to deduce the critical exposure time TsC=NID/R˙tot below which an infection is unlikely. Most often in practice, however, not all of the factors in the inequality will be known. Still, the CAT inequality can be used to compare relative risks since one may consider the risk of a situation to be inversely proportional to the corresponding critical exposure time (e.g., halving the critical exposure time doubles the risk). For example, the risk ratio for two situations A and B will be Tsc−B/Tsc−A=R˙tot−A/R˙tot−B. Thus, if, e.g., all factors are equal for A and B except for one, e.g., fmhA ≠ fmhB (say), then the risk ratio comparing A to B will be fmhA/fmhB. In Sec. VIII, we will illustrate such relative risk estimations for three specific cases.

The use of mathematical models to predict infection rates is well established in epidemiology,21,23,24 and the CAT inequality belongs among such models (see Sec. VIII for discussion on relationship to existing modeling frameworks). As with any model, the CAT inequality has a number of underlying assumptions (see Sec. IX), but its potential advantage is that it presents the transmission risk via a simple mathematical expression that, on one hand, captures a wide scope of factors that may be involved in airborne transmission and, on the other, is easy to convey to scientists from a wide range of fields, non-scientists such as policy makers, public officials, and public media, and even members of the general public.

As laid out in a previous publication,11 each stage in the airborne transmission process is mediated by complex flow phenomena, ranging from air–mucous interaction and liquid sheet fragmentation inside the respiratory tract, to turbulence in the expiratory jet/ambient flow and flow-induced droplet evaporation and particle dispersion, to inhalation and deposition of aerosols in the lungs. Furthermore, non-pharmaceutical approaches employed to mitigate respiratory infections such as social distancing and wearing of face masks are also rooted in the principles of fluid dynamics. Thus, fluid dynamics is central to all important physical aspects of the airborne transmission of respiratory infections such as COVID-19, and it therefore stands to reason that this connection to flow physics will appear in any successful model of airborne transmission. In Secs. III–VI, we provide additional details about the key variables involved in the CAT inequality with special emphasis on the intervening fluid dynamical phenomena. This is followed by the application of the model to assess the transmission risk associated with face mask use, physical distancing, and exercise intensity in Sec. VII. Finally, Secs. IX and X, we describe the caveats associated with this model and summarize the study.

III. HOST RELATED VARIABLES
The CAT inequality (Fig. 2) naturally segregates into three sets of variables: the first set depends primarily on the host, the second depends on the environment, and the third depends on the susceptible. We now describe the factors that each of these variables depends on as well as our state of knowledge regarding each variable.

R˙h is the rate of expulsion of respiratory droplets from the nose and mouth of the host and is one of the most extensively studied parameters within the arena of airborne transmission.6,7,9,25–28 Droplets are formed from the mucus and saliva that line the respiratory and oropharyngeal tracts, and these droplets are expelled with the air that is exhaled out of the mouth and nose. Studies have shown that individuals generate more droplets for the same expiratory activity while ill with a respiratory infection than after recovery,26,29 and this may be related to enhanced mucous production during illness. While the conventional notion is that sneezing has the highest rate of droplet generation followed by coughing, talking,7,30 and breathing6 (in that order), the very large scatter in measured data6,25,31 makes it difficult to validate this notion. Attention during the ongoing pandemic has focused on droplet generation during talking and breathing7,8,25 due to the recognition that viral shedding from asymptomatic/presymptomatic individuals (who are not coughing or sneezing) may be an important differentiator in the high spreading rate of SARS-CoV-2 infections compared to earlier coronavirus outbreaks.2,32

For activities such as breathing and talking, it could be appropriate to express R˙h as the product of the volume expiration (i.e., ventilation) rate of the host (V˙Eh) and the number density of droplets (i.e., droplets per unit volume) in the exhaled gas (ndh). This is because for a given individual, ndh might not vary significantly during activities such as breathing, and R˙h would therefore increase linearly with the ventilation (i.e., exhalation) rate V˙Eh. The ventilation rate for an adult can range from about 100 ml s−1 at rest to 2000 ml s−1 during intense exercise.33 The measured values of ndh for breathing34 are about 0.1 ml−1, and this suggests that R˙h for breathing could range from about 10 to 200 droplets per second depending on the ventilation rate. The values of ndh during normal speech in the same experiment were found to be about two to eight times higher, and other studies have found that droplet emission increases with the loudness of speech.7 Finally, recent attention has focused on “super producers”: individuals who according to some studies generate droplets at rates that are 10 or more times higher than others.29,35 Thus, even for normal breathing, R˙h could range from about 10 s−1 to 2000 s−1 depending on the exhalation rate and the emission phenotype of the individual, and speech could increase the upper range by another order of magnitude. Thus, the phenotype and expiratory activity of the host alone could increase the transmission risk by a factor of 1000 or more.

fvh is the fractional viral load of a respiratory droplet, i.e., the average number of virions per droplet, and there are currently no data on this variable for SARS-CoV-2. Indirect measures based on the volume concentration of viral load in oral fluid samples collected from COVID-19 patients combined with simple volumetric estimates have been used to suggest that 37% of 50 µm size droplets and 0.37% of 10 µm size droplets would contain virions.30 No confirmation of these estimates from the direct measurement of respiratory aerosols is available so far, and there is evidence that suggests that these simple volume-fraction based estimates might significantly underestimate the viral load of the small (<5 µm) droplets.27 Furthermore, the fractional viral load also likely depends on the location in the respiratory tract from where the droplet originates because pathogens tend to colonize specific regions of the respiratory tract and the mucous volume and thickness varies throughout the respiratory tract.36 There is, however, no quantification of this effect. We note that employing even a low-end estimate of say a 0.5% fractional viral load (i.e., fvh = 0.005), combined with 200 000 droplets/cough,26 would result in the shedding of 1000 virions in each cough, and this could be equivalent to the minimum infectious dose (see the discussion in Sec. VI) for COVID-19.

fah is the fraction of expelled droplets that aerosolize, i.e., get suspended in the air. It is generally found that droplets smaller than about 10 µm can remain suspended in the air, whereas droplets larger than 50 µm fall to the ground rapidly.34,37–39 Thus, the size distribution of the expelled droplets is a key determinant of fah. A number of studies have examined the distribution of droplet size expelled during various expiratory activities,6,7,9,25–28 and these studies show that the droplet size can vary from 0.01 μm to 1000 μm. The consensus is that breathing generates the smallest particles, while talking, coughing, and sneezing generate increasingly larger droplets (in that order).40 There is however a large scatter in these data, and this might be due to subject-specific differences41 as well as the changes in the mucosal fluid induced by the pathogen.40 Finally, the fluid in the expelled droplets also evaporates rapidly, resulting in a reduction in the size, and this rate of evaporation may depend on prevailing conditions of temperature and humidity near the host, as well as the velocity of the droplets. These dependencies can, however, be determined, for the most part, from first principles.38,42

IV. ENVIRONMENT DEPENDENT VARIABLES
fat represents the fraction of aerosolized respiratory aerosol droplets/droplet nuclei from the infected host that are transported to the immediate vicinity of the susceptible, and this is one variable where environmental factors play a dominant role. These include air currents, turbulence, temperature, and humidity. Ambient air currents in particular determine the “time-of-flight” as well as the dilution in the concentration of the bioaerosol that arrives near the susceptible.

Even though we know the dependencies of the variable fat, it is still a difficult variable to estimate since environmental factors can be so highly variable.43 The estimation of this parameter becomes particularly difficult in indoor spaces such as buildings where rooms share a high-volume air conditioning (HVAC) system. In high-density indoor spaces such as classrooms, aircraft cabins, gyms, buses, trains, and so on, anthropogenic effects generated due to human movement and body heat generated thermal plumes46,47 could also have a significant effect on this variable. For example, even for a host and susceptible in the same room, this variable could change significantly given the relative location of the two individuals, the operational status of the air conditioning, and the location of the individuals relative to the air conditioning diffusers and vents.15,44,45 The effects of indoor ventilation fluid dynamics on COVID-19 transmission have been recently reviewed.48

The estimation of fat in outdoor environments presents a different challenge. While these outdoor environments do not have confining boundaries and localized inflow/outflow regions that dominate the flow patterns, effects due to atmospheric turbulence,49,50 local wind and weather conditions, convection effects due to thermal gradients, and other environmental factors have to be taken into account. Furthermore, even in outdoor settings, the presence of high human density (such as at sporting events, social gatherings, and so on) could introduce significant anthropogenic effects on the dispersion and transport of respiratory aerosols.

As the aerosol plume from the host travels downstream, it spreads due to diffusion, entrainment, and turbulence-induced mixing. This results in a direction-dependent drop in concentration (aerosol particles per unit volume) with distance from the host. To further understand how this enters the estimation of the variable fat, we introduce the variable Vs, which is the volume of air surrounding the face of the susceptible that would be inhaled by the susceptible (see Fig. 3). If the aerosol concentration near the host is Co and the mean concentration in the volume Vs at a distance of Dhs is C¯¯¯s, then fat due to this dilution in concentration can be expressed as C¯¯¯s/Co. The volume Vs can be estimated given the inspiratory status of the susceptible (see the discussion of fis), but in the current model, a choice for Vs that eliminates dependence of this variable on the susceptible is the maximum possible volume of air that can be inhaled by an adult per second, which is about 2 liters.33 Thus, fat can be estimated under these assumptions if C¯¯¯s/Co is known or can be estimated. We point out that the “exposure index” of Liu et al.51 is defined in a similar way and, in their study, is estimated using computational modeling. It is also noted that Co could be expressed in terms of the ratio of the particle expulsion rate to the exhalation rate of the host as Co=R˙h/V˙h.

(https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7583361/bin/PHFLE6-000032-101903_1-g003.jpg)

FIG. 3.
Schematic depicting the inhalation volume of the susceptible that can be combined with the local concentration of the respiratory aerosol to estimate fat.

A number of studies have measured the spreading rate of the exhalation jets formed from various expiratory activities,52–54 and this spreading rate can vary significantly with downstream distance for breathing, talking, and coughing. External flow currents and thermal convection33 effects will however deform the shape of the expiratory plume and may enhance non-uniformity in the concentration of the respiratory aerosols within the jet. Quantifying the effect of all these factors is the key challenge in estimating fat. In Sec. VIII, we will employ canonical computational models of scalar dispersion to provide estimates of the protection factor (PF) associated with physical distancing in several scenarios.

fvv represents the fraction of respiratory aerosol particles from the infected host that arrive in the immediate vicinity of the susceptible with viable virions. Ambient air currents determine the “time-of-flight” of the aerosol particles, and this combines with temperature, humidity, and UV exposure to determine the viability of the virions carried in the aerosols. A study has shown that the SARS-CoV-2 virion can stay viable in an aerosol form for three or more hours,13 but high temperature55 and sunlight/UV exposure56,57 are both detrimental to virion viability. Humidity, on the other hand, has a more complex effect on the viability of airborne viruses. For instance, three regimes of Influenza A virus viability in droplets, defined by relative humidity (RH), have been postulated: high viability at physiological (∼100% RH) and dry (<50% RH) conditions and lower viability when intermediate humidity (50%–100% RH) exists in combination with high concentrations of naturally occurring biochemical solutes in the droplet.58 This complex dependency on humidity is likely the one factor that has made it difficult to correlate the transmission risk with regional and seasonal variations in environmental conditions.59 In general, fvv can be modeled as e−T/τ, where T is the time-of-flight and τ is the half-life of virions in an aerosolized form, which depends on the virus as well as the temperature, humidity, and UV exposure. A number of recent studies have measured τ for SARS-CoV-2 in a variety of settings.13,56

A number of studies have measured the spreading rate of the exhalation jets formed from various expiratory activities,52–54 and this spreading rate can vary significantly with downstream distance for breathing, talking, and coughing. External flow currents and thermal convection33 effects will however deform the shape of the expiratory plume and may enhance non-uniformity in the concentration of the respiratory aerosols within the jet. Quantifying the effect of all these factors is the key challenge in estimating fat. In Sec. VIII, we will employ canonical computational models of scalar dispersion to provide estimates of the protection factor (PF) associated with physical distancing in several scenarios.

fvv represents the fraction of respiratory aerosol particles from the infected host that arrive in the immediate vicinity of the susceptible with viable virions. Ambient air currents determine the “time-of-flight” of the aerosol particles, and this combines with temperature, humidity, and UV exposure to determine the viability of the virions carried in the aerosols. A study has shown that the SARS-CoV-2 virion can stay viable in an aerosol form for three or more hours,13 but high temperature55 and sunlight/UV exposure56,57 are both detrimental to virion viability. Humidity, on the other hand, has a more complex effect on the viability of airborne viruses. For instance, three regimes of Influenza A virus viability in droplets, defined by relative humidity (RH), have been postulated: high viability at physiological (∼100% RH) and dry (<50% RH) conditions and lower viability when intermediate humidity (50%–100% RH) exists in combination with high concentrations of naturally occurring biochemical solutes in the droplet.58 This complex dependency on humidity is likely the one factor that has made it difficult to correlate the transmission risk with regional and seasonal variations in environmental conditions.59 In general, fvv can be modeled as e−T/τ, where T is the time-of-flight and τ is the half-life of virions in an aerosolized form, which depends on the virus as well as the temperature, humidity, and UV exposure. A number of recent studies have measured τ for SARS-CoV-2 in a variety of settings.13,56

V. SUSCEPTIBLE RELATED VARIABLES
fis is the fraction of bioaerosols from the host in the vicinity of the susceptible that would be inhaled and deposited in the respiratory tract of a susceptible not wearing a face covering. This variable primarily depends on the inspiratory status of the susceptible. At rest, an adult human inhales about 100 ml of air per second,60 but this value can go up to 20-fold during intense exercise.33 Within the context of the current model, fis could be estimated as the ratio of the susceptible’s inspiratory rate to the maximum possible inspiratory rate for a human (we denote this maximum ventilation rate as V˙max), which can be assumed to be 2000 ml/s.33 We note that the volume here is the same as Vs in Sec. IV. With this prescription, fis for the average healthy adult male could vary from 0.05 during rest to 1.0 during intense exercise. Beyond the exercise state of the individual, the tidal volume (volume inhaled per breath) and ventilation rate also depend on age,61 gender, body weight,62,63 and the respiratory health of the person, and these factors can be easily accounted for in fis. For instance, the measured values of ventilation rates for women are about 20% lower than for men,62 and this would translate to a 20% reduction in fis for women. Similarly, short adults can have resting inspiratory rates that are about 20% lower than tall adults,62 and this would result in a proportionate reduction in fis. Inspiration rates for preteens can be threefold lower than adults,61 and this would also reduce fis proportionately. Thus, differential inspiration rates could play a role in the age and body-weight associated COVID-19 prevalence disparities noted in recent studies.64,65 The effect of physical activity-associated changes in ventilation rates on the transmission risk is examined in Sec. VIII.

NID is the infectious dose for airborne transmission. In the arena of infectious diseases, the infectious dose is often expressed as HID50,22 which is the minimum infectious dose required to initiate infection in 50% of inoculated humans. This number is usually obtained via controlled studies where human volunteers are exposed to different viral loads. However, such studies are not available for potentially lethal viruses such as SARS-CoV-2. Studies on the infectious dose for Influenza A indicate a HID50 of O(1000) virus particles.22,66 Studies of MERS-CoV in mice found a similar infectious dose,67 so the HID50 for humans accounting for the larger body weight could be two or more orders of magnitude higher. It is important to note that for Influenza A, the infectivity via aerosols has been found to be O(105) higher than via a nasopharyngeal (i.e., nasal swab) route,68 highlighting the exceptional effectiveness of the airborne route for transmission of respiratory infections. The infectivity of airborne viruses also depends on the carrier droplet size. Small (∼2 µm) droplets deposit deeper in the lungs and have been shown to be two or more orders of magnitude more infective than larger (>10 µm) droplets.69 Finally, the infectious dose might also depend on the age and health status (including the level of immunity to infection) of the susceptible. The determination of NID for SARS-CoV-2 remains one of the most important tasks for scientists working in this arena.

The remaining variable Ts is the duration of exposure of the susceptible to the aerosols from the host. Based on the CAT inequality, if all other conditions remain stationary, the total number of viable virions transmitted is directly proportional to the exposure duration. The transmission is successful when this viral dose equals or exceeds the infectious dose (i.e., when Ts ≥ TsC).

VI. FACE COVERINGS
Face coverings appear in the two factors fmh and fms as fractions of aerosols/droplets that pass through the face coverings of the host and susceptible, respectively, and there are much data available to estimate these variables. These face covering-related variables depend on two factors—the material of the face covering and the fit of the face covering on the face of the individual. A perfectly fit N95 face mask, for instance, stops 95% or more of the particles that go through it, and fm would therefore be equal to 0.05 for such a mask. Thus, the wearing of a well-fit N95 mask by either the host or the susceptible could reduce the transmission risk by a factor of 20. Furthermore, if both individuals are wearing such masks, the transmission risk, according to the CTA inequality, could reduce by a factor of 400.

Surgical masks have been measured to block 30%–60% of respiratory aerosols,70,71 and in another study, a surgical mask reduced aerosol shedding of Influenza A virions from infected hosts by a factor of 3.4.28 This suggests that even surgical masks worn by both the host and the susceptible could reduce the transmission risk by factors ranging from about 2 to 10. Another recent study of viral shedding with and without surgical face masks from patients with Influenza, coronavirus (SARS), and rhinovirus provides clear evidence of the ability of such face coverings to reduce the transmissibility of the virus.72 Finally, we point out that even home-made cloth masks provide some protection against airborne infections,71 and in Sec. VIII, we will examine this in more detail for a range of fabrics.

The fitment of the mask is important for overall protection since a loose-fitting mask with perimeter leaks allows unfiltered aerosols to bypass the mask.73 Leaks are a particular problem for outward protection (i.e., reducing emission of respiratory aerosols by the infected host) since the process of expiration pushes the mask outwards and enhances perimeter leaks.11,74,75

Finally, in addition to filtering aerosol particles, face coverings also reduce the velocity of exhalation jet.74,76 This could increase the expansion angle of respiratory jet and reduce the initial penetration distance of the respiratory droplets,77 thereby altering fat. For instance, a recent study found that the fabric in some face coverings might facilitate the breakup of large droplets into smaller ones78 and, in doing so, increase fat, thereby increasing the transmission risk.

VII. MODEL PREDICTIONS
The model is now applied to address three distinct questions: what protection is afforded by different face coverings, how does the risk decrease with increased physical distance between the host and susceptible, and finally, to what degree does the level of physical activity, as manifested in the ventilation rates of the host and/or the susceptible, affect the transmission risk.

A. Protection afforded by face coverings
We start with the effect of face masks and employ data from the work of Zangmeister et al.71 on the filtration efficiency (FE) of common fabrics used in respiratory face masks. These authors examined more than 30 different fabrics and quantified the filtration efficiency for droplet sizes ranging from particle mobility diameters (PMD) between 50 nm and 825 nm. Given that aerosol transmission may involve droplet sizes ranging up to 5 µm, we have estimated the lower and upper bounds of the average filtration efficiency (FE¯¯¯¯¯¯¯¯) for particle sizes ranging from 50 nm to 5 µm (see the procedure in Appendix A). The fraction of aerosols/droplets that pass through the face coverings is then given by fm=1−FE¯¯¯¯¯¯¯¯/100. Given these values and the assumption that the filtration efficiency is the same for inward as well as outward protection (i.e., fmh = fms = fm), we can now estimate the unilateral protection factor (PF) if either the host or the susceptible wears this mask, as PF = f−1m. The corresponding bilateral protection factor, i.e., when both individuals wear masks, is then given by PF = f−2m. These PFs normalized by the corresponding situation where neither individual is wearing a mask are plotted in Fig. 4 for selected cases from the work of Zangmeister et al.71

(https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7583361/bin/PHFLE6-000032-101903_1-g004.jpg)

FIG. 4.
Estimation of protection from aerosol transmission afforded by the donning of face coverings based on the published filtration efficiency data of Zangmeister et al.71 for 34 different fabrics/samples. The protection factor (PF) is a quantity that is normalized by the risk of transmission associated with the situation when neither the host nor the susceptible wears a mask.

Given the large uncertainties in estimates of the protection factor derived here, only general conclusions regarding the face masks are drawn here. First, a number of simple fabrics (Cotton 4, Cotton 14, and Synthetic Blend 2) provide protection factors that are similar or better than the Surgical Mask sample. Second, even the lower bound of unilateral protection for many of these samples exceeds 2.0, which represents a significant reduction in the transmission risk. Third, for bilateral protection, Cotton 4 and Synthetic Blend 2 have minimum protection factors that exceed 5. Finally, the true protection factors for these fabrics are likely significantly higher than the lower bounds established here. Indeed, if we average the upper and lower bounds of FE¯¯¯¯¯¯¯¯ for the four most effective fabrics/samples (Cotton 4, Cotton 14, Synthetic Blend 2, and Surgical Mask), we obtain an aggregate filtration efficiency of 63%, which would correspond to a unilateral (bilateral) protection factor of 2.7(7.3). Thus, simple face masks made from any of these fabrics/materials could significantly lower overall transmission rates. This effectiveness of face masks is being corroborated by recent epidemiological16 and animal79 studies of COVID-19 transmission. We point out that the above analysis ignores perimeter leaks, which can significantly deteriorate the effectiveness of face masks.11 The analysis also does not account for unsteady and velocity dependent effects of expiratory events on the filtration efficiency.74

B. Protection due to physical distancing
The model is used next to examine the protection from transmission afforded by the physical distance between the host and the susceptible in an outdoor environment. As mentioned earlier, the distance between the host and the susceptible is a dominant factor in the variable fat associated with the transport of virion-bearing aerosols. However, the estimates for the rate at which the transmission risk diminishes with distance between the host and the susceptible are not readily available. Here, we employ simple models of the aerosol dispersion to estimate the protection factor associated with physical distancing.

We start by assuming that the mean concentration in the inhaled volume of the susceptible is equal to C(Dhs), where C is the concentration at a height of 1.5 m above ground at any given distance from the host (see Fig. 5). Dispersion-induced dilution at a distance of Dhs would then result in fat ∼ C(Dhs)/Co, and a corresponding protection factor due to physical distancing of f−1at. Several scenarios for outdoor transmission are considered based on various combinations of expiration velocity (Vj), ambient wind speed (U∞), and buoyancy induced effects. We note that these models are consistent with the approach inherent to the CAT inequality that assumes a sequential segregation of the various effects involved in airborne transmission. In particular, important near-field effects such as droplet breakup and evaporation are assumed to be accounted for in the variable fah and are therefore not included in the droplet dispersion models discussed in the current section. The cases are as follows:

1.
Vj and U∞ are both of very low magnitude; this could correspond to a sedentary individual breathing at a low exhalation rate in still wind conditions. This situation can be modeled as normal diffusion dominated dispersion, and the analytical solution for steady-state diffusion from a point source80 in an unbounded domain indicates that C(x) ∼ x−1, where x is the distance from the point source. The molecular diffusion will not be relevant since it will take a long time to establish itself (on the order of t ∼ x2/γ, where γ is the molecular mass diffusion coefficient, typically many hours in air). However, even relatively weak background turbulence with eddies smaller than x will generate turbulent diffusion coefficients81 γT ≫ γ and also establish a C(x) ∼ x−1 spatial decay.

2.
Vj significantly exceeds U∞; this could correspond, for instance, to a person talking or singing (where expiratory flow speeds range up to 5 m/s54) in still wind conditions. This situation could be approximated as a turbulent jet in quiescent flows, and studies82 of such flows in canonical configurations indicate that the peak concentration decays beyond the near field as C(x) ∼ x−1 in the direction of the jet. This situation has been analyzed recently for speech-driven aerosol transport including time dependence.83

3.
U∞ significantly exceeds Vj; this could correspond, for instance, to a person breathing normally with an expiratory velocity of ∼1 m/s84 on a windy day with wind velocities upwards of 10 miles/h. Neglecting buoyancy effects, this situation can be modeled as a horizontal plume from a point source in a crossflow, and studies85,86 suggest that C(x) ∼ x−3/2 beyond the near-field region.

4.
The previous situation of a horizontal plume does not account for buoyancy effects, and the data employed do not account for the time-dependent pulsatile nature of breathing. These effects can be included in the current model if data from appropriate computations or experiments are available. Here, we employ data generated from a wall-modeled large-eddy simulation87 of a plume from a point source located 1.5 m above the ground in a turbulent atmospheric boundary layer, with a mean wind velocity corresponding to 2 m/s.83 The model is designed to mimic normal breathing with the scalar (representing the respiratory aerosol) being released as puffs at regular intervals of 3 s. The exhaled breath is assumed to be at a temperature of 37 °C, and two ambient temperature conditions are considered: 0 °C and 42 °C. In the model, buoyancy effects are included using the Boussinesq approximation. The incoming wind flow itself is assumed to be unstratified and neutrally buoyant. The reader is referred to Appendix B for details about the methodology of the simulations.

(https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7583361/bin/PHFLE6-000032-101903_1-g005.jpg)

FIG. 5.
Schematic showing various scenarios for which the effect of physical distancing on the transmission risk is assessed. The aerosol plume from the host consists of a near field, which can be highly variable, and a far field, where the plume exhibits more self-similar or universal characteristics within various classes of flow. The analysis in this section focuses on the far-field domain.

Figure 6(a) shows a plot of the instantaneous scalar concentration for the second case, and Figs. 6(b) and 6(c) show the time-averaged plume concentrations for both cases. As expected, the plume rises for the first case (the “light” plume) but descends toward the ground for the second case (“heavy” plume) due to buoyancy effects for the very hot surrounding air case into which the cooler and denser air is exhaled. Figure 6(d) shows the maximum concentration of the respiratory plumes as a function of distance for the two cases, and we find that beyond a distance of about 3 m, the plume concentration decays consistently as C(x) ∼ (x−1.2) and C(x) ∼ x−0.9 for the light and heavy plumes, respectively. Thus, the presence of the ground as well as buoyancy has a noticeable effect on the concentration decay rate.

(https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7583361/bin/PHFLE6-000032-101903_1-g006.jpg)

FIG. 6.
Results from the wall-modeled large eddy simulation (LES) of a breath generated aerosol plume (at x = 0) in a turbulent boundary layer. (a) Isosurfaces of instantaneous concentration of scalar C/Co = 0.01, colored by the local streamwise velocity showing the breath aerosol puffs being transported in the turbulent flow, (b) contours of the mean concentration for a plume that is warmer than the ambient flow, and (c) contours of the mean concentration for a plume that is colder than the ambient flow. (d) Mean concentration with the streamwise distance (in meters) at a height of 1.5 m from the ground along with best fit power laws beyond the near-field region.

Figure 7 shows the protection factors due to physical distancing for all the cases discussed above, and we note that since the y-intercepts of all the curves have been individually normalized to unity at a unit distance, a direct numerical comparison between the two conditions is not appropriate. The plot does however indicate that in the absence of a crossflow, the protection factor increases linearly with distance, whereas when the crossflow velocity is significantly larger than the exhaled jet velocity, the protection factor increases at a faster rate of D1.5hs. Furthermore, the buoyancy has a noticeable effect on the decay of aerosol concentration, and the downward movement of a heavy plume combined with the confinement due to the ground could potentially diminish the protection afforded by physical distancing. Given that wind conditions can be highly variable, a conservative estimate from the above analysis is that physical distancing affords approximately a linear increase in protection from transmission. The analysis also demonstrates the use of data from computational fluid dynamics models to parameterize the model for specific scenarios.

(https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7583361/bin/PHFLE6-000032-101903_1-g007.jpg)

FIG. 7.
Estimate of the protection factor as a function of physical distance (in arbitrary units) between the host and susceptible for the five scenarios examined here. The protection factor is normalized for each case by the condition where both the host and susceptible are at a unit distance. The protection factor is inversely proportional to the decay of the concentration with distance between the host and the susceptible Dhs.

C. Level of physical activity and transmission risk
The final application of the model is to examine the potential effect of physical/exercise intensity on the risk of transmission. This would be relevant to settings, such as gyms, sports/exercise facilities, and even gatherings/events, schools, and workplace situations where levels of physical activity might exceed levels that are considered sedentary. The exercise intensity enters the CAT inequality through the ventilation rates of the host and the susceptible. As pointed out earlier, in expiratory activities such as breathing and talking, the particle expulsion rate may be estimated as R˙h=ndhV˙Eh, where ndh is the number of droplets emitted per volume of exhaled gas (and may be assumed to be constant for a given host) and V˙Eh is the ventilation rate of the host. The variable fis is equal to the rate of the susceptible’s ventilation rate divided by the maximum possible ventilation rate, i.e., fis = V˙Es/V˙max. Employing established definitions88 that relate exercise intensity to oxygen consumption rates, and further assuming proportionality between oxygen consumption rates and corresponding ventilation rates, and that the maximum ventilation rate V˙max for adults is 2 l/s,89 we can estimate the increased transmission risk with exercise intensity over the sedentary condition as (R˙hfis)/(R˙h,minfis,min) = V˙Eh×V˙Es/V˙2min, where ( )min corresponds to an adult in a sedentary condition. In the current estimation procedure, V˙min is set at 100 ml/s, which is 5% of the maximum ventilation rate, and the ventilation rates for the intermediate levels are based on the measured values for adults.88

Figure 8 shows this increased transmission risk for the five exercise intensity levels, and it can be seen that even for a susceptible in a sedentary state, the transmission risk goes up by a factor of eight if the host is at a moderate intensity of exercise. In settings such as shopping malls, outdoor markets, warehouses, or high-schools, where activity levels of hosts and susceptibles could be in the light to moderate range, the increase in the transmission risk just due to increased ventilation rates would, according to the current model, be up to 64 times higher. In a facility such as a gym or, for instance, a basketball practice, where exercise intensity levels could be in the “vigorous” range, the transmission risk could be nearly 200 times higher due to increased exhalation and inhalation rates of the individuals involved. A survey of the existing literature indicates that this increase in risk with a physical activity level associated with various common scenarios is under-appreciated.

(https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7583361/bin/PHFLE6-000032-101903_1-g008.jpg)

FIG. 8.
Estimate of the transmission risk increase due to physical activity/exercise induced increased ventilation rates for hosts and susceptibles. The assumed ventilation rate for each of the five levels is included in the legend. The increase in the transmission risk is normalized by the condition where both the host and susceptible are sedentary (sleeping or sitting).

VIII. COMPARISON WITH OTHER INFECTION RISK MODELS
Existing models for estimating the infection risk via airborne transmission can be classified into the Wells–Riley type and dose–response models.90 Within this context, the current model should be considered a dose–response model since it explicitly makes use of the infectious dose (NID) to predict the infection risk. The current model, as proposed, can further be characterized as a deterministic (as opposed to stochastic) dose–response model since it assumes that a dose larger than the threshold dose of NID results in an infection.90

The Wells–Riley type models are based on the notion of an infectious “quantum” that is defined as the quantity of expelled aerosols required to cause an infection in a susceptible.21,24 Within the context of the CAT inequality, the quantum emission rate can be expressed as (R˙hfvh/NID), and the CAT inequality could easily be reformulated to express risk in terms of this quantity. However, the quantum emission rate combines a host-dependent variable (the rate of viral shedding) with a susceptible dependent variable (the infectious dose) and makes it difficult to delineate the effects of the distinct states (health, inspiratory state, mask use, and so on) of the two individuals involved. Furthermore, the vast majority of such models assume a “well-mixed” state for the aerosols in the environments, and this does not allow for “local” effects90 that have direct bearing on practices such as social distancing.

The dose–response models of varying degree of complexity have been developed.90 Many of these models allow for spatial and temporal inhomogeneities in the aerosol concentrations and are well suited for detailed modeling of infection risk in a variety of scenarios. Some of the recent models that have been developed can incorporate data on ambient flow conditions from computational models or experimental measurements.91 However, such models are expressed in mathematically complex forms, which diminish comprehensibility outside disciplinary expertise, and make it particularly difficult to communicate the underlying ideas to non-scientists. As shown in Secs. VII A–VII C, the simple mathematical form of the current model and its phenomenology-based compartmentalization into host, environment, and susceptible dependent variables not only allow for easier comprehension by a wide range of audiences but also provide quick estimates of factors including, but not limited to, the type of mask worn, physical distancing, and inspiratory status of the host and susceptible.

Finally, we point out the left-hand side of the CAT inequality represents the total aerosol viral dose inhaled by the susceptible, and if we denote this variable by NDs=R˙totTs, then (NDsNID−1) represents the normalized viral “overdose” delivered to the susceptible. Thus, in addition to evaluating the risk of transmission, the CAT inequality can also be used to assess the degree of exposure of the susceptible to aerosolized viruses, which is known to be correlated with the severity of the infection.92

IX. CAVEATS
The notion that “a model is a lie that helps us to see the truth”103 certainly applies to the current model as well. The CAT inequality is an attempt to express the highly complex, multifactorial process of airborne transmission of a respiratory infection such as COVID-19 in a simple way, and the following caveats and limitations of this model are worth pointing out:

1.
The choice of the variables in the CAT inequality is not unique, and other combinations of the variables are possible. In particular, the variables shown in the CAT inequality could be decomposed further; for instance, R˙h can be expressed as the rate of droplet generation in the respiratory tract and the fraction of generated droplets that are expelled from the mouth. Such a variable separation might be appropriate, for instance, to isolate the effect of therapies that attempt to diminish the droplet generation rate via alteration of the mucous properties.35

2.
The inequality assumes that the rate of arrival of virion-bearing aerosols in the vicinity of the susceptible is constant in time. The recent analysis83 of speech driven aerosol transport takes into account the start time and travel duration in scenario (2) treated in Sec. VIII. The CAT inequality could be modified to include a time-dependent emission and arrival rate,21 but this would increase the complexity of the mathematical expression. Assuming the steady state condition results in predictions that are more conservative in most cases. Finally, it is also assumed here that the rate of virion arrival (i.e., proportional to the advective or diffusive flux of C) in the vicinity of the susceptible is sufficiently high so that the local concentration is not markedly affected by the inhalation process itself. If the flux is not high enough, the inhalation may deplete the concentration near the susceptible over time. The analysis for flux-limited situations again introduces additional complexities.

3.
The CAT inequality could be missing important but as yet unknown effects. For instance, the use of NID in the model assumes that it is the accumulated dose of virus that determines transmission. While this assumption is quite standard in the arena of infectious diseases,21–23 it is plausible that the rate at which this infectious dose is delivered to the respiratory tract of the susceptible is also important in initiating an infection. For instance, 1000 virions inhaled over a short duration (say minutes) might overwhelm the immune system, whereas the same viral dose delivered over a much longer duration (say hours) might allow the immune system to mount an effective response and avoid infection.

4.
The variables in the CAT inequality are more accurately represented as variables with probability density functions (PDFs) given the stochastic nature of the processes involved.93 For instance, respiratory droplets of different sizes are expelled at different rates9,28,31,36 during an expiratory event, and the rate of droplet emission R˙h could therefore be expressed as a droplet size-dependent PDF. Similarly, the viral loading of respiratory droplets (fvh) as well as the infectious dose NID are expected to be functions of droplet size and could therefore be represented by droplet size dependent PDFs. The environment determining fat is most often highly turbulent and is expected to cause significant fluctuations in travel time, turbulent diffusion rates and individual eddying events can influence the local concentrations. Hence, the factor fat itself has a mean value as well as a distribution around that mean value that depends on detailed flow conditions.

5.
If the variables in the CAT inequality are interpreted as random variables with PDFs (as in the previous point), it implicitly assumes the variables and factors are statistically independent. However, variables in the CAT inequality are not necessarily mutually independent given the fact that many of them have common dependencies. The joint dependency of many variables on particle size has already been described above. Other examples include the face covering on the host, which modifies fmh. A resulting alteration of the expiratory jet due to the mask could also affect the aerosolization variable fah of the expelled droplets as well as entrainment into the ambient air current, which could affect fat.

6.
The model assumes a single host, but the CAT inequality can easily account for multiple hosts by summing the left-hand side for multiple infected hosts.

7.
The validation of the proposed model is not attempted here. The validation requires accurate estimates of inputs as well as outputs to the models, and these are difficult to obtain, especially for potentially lethal infections such as COVID-19. Indeed, most models of airborne infection to date, including classic24 as well as more recent models,21,94–96 remain unvalidated. Despite this lacuna of validation, the value of all such models, including the current one, is that they enable an examination of how transmission risk scales with key variables and an assessment of the effects of mitigation strategies on overall transmission rates.

X. SUMMARY
The CAT inequality is a mathematical model for estimating the risk of airborne transmission of infectious diseases such as COVID-19, which is expressed in a simple and intuitive way so as to convey the factors involved in transmission to a wide range of stakeholders ranging from scientists from various disciplines to policy makers, public media, and even the general public. As shown through specific examples, the model provides a framework for interpreting and quantifying the relative changes in risk from behaviors such as, but not limited to, wearing masks, physical distancing, and the intensity of physical activity/exercise on infection risk, in terms that are easy to convey to a range of audiences. The approximately inverse relationship of the transmission risk and spatial distance from physical distancing is one example of the important insights that can be generated by the model.

In closing, we point out that while the transmission model presented here is inspired by the Drake equation, we understand much more about the factors involved in this transmission model than we do about the factors in the Drake equation. Indeed, as discussed in the paper, estimates for many of the variables in the CAT inequality can be obtained from existing data or from basic principles of fluid dynamics, physiology, and virology. Even for the variables for which we currently do not have good estimates, we understand the underlying dependencies as well as the procedures/methods required to estimate these variables, and it is expected that ongoing studies will close these gaps in our understanding and provide better quantification of all the variables involved in this model.

DATA AVAILABILITY
The data that support the findings of this study are available from the corresponding author upon reasonable request.

ACKNOWLEDGMENTS
The authors would like to acknowledge Dr. Sanjay E. Sarma (MIT), Dr. Howard Stone (Princeton University), Dr. Yuguo Li (The University of Hong Kong), and Dr. Jae Ho Lee (Johns Hopkins University), and Raina Mittal (University of Pennsylvania) for providing feedback on a draft of this article, and Shantanu Bailoor and Ashvin Vinodh (Johns Hopkins University) for help in preparing some figures for this paper. The data on filtration efficiencies of fabrics provided by Dr. Christopher Zangmeister and James Radney from NIST, as well as insights from C.Z. on filtration physics, are gratefully acknowledged. Partial support for this work came from NSF Grant No. CBET-1738918, and the CPU time was provided by XSEDE Grant No. TG-ATM130032.

There are no disclosures to report.

APPENDIX A: ESTIMATION OF UPPER AND LOWER BOUNDS FOR AVERAGE FILTRATION EFFICIENCY OF FACE MASK FABRICS
The procedure for estimating the lower and upper bounds of the filtration efficiency (FE) for various fabrics in Fig. 4 is described here. Zangmeister et al.71 measured the FE for various fabrics as a function of particle mobility diameters (PMDs) that range from 50 nm to 825 nm. However, it is well established that aerosol transmission occurs with aerosol particles with diameters up to at least 5 µm. In order to apply the data from the work of Zangmeister et al.71 in a way that is relevant for airborne transmission, the FE vs PMD data have to be extended up to 5 µm. However, the FE dependence on PMD is affected by the filter diameter, the solidity (1-porosity), the density of the particles, and the face velocity, and simple extrapolations of the FE vs PMD curves are not possible. Given this, and the fact that FE for any given material approaches 100% at high enough PMD, we derive a lower and upper bound of the average FE over the 50 nm–5000 nm range as follows (see Fig. 9): the lower bound is obtained by assuming that the FE for PMDs greater than 825 nm is equal to the measured FE at 825 nm. The upper bound is obtained by employing a regression fit to the right side of the measured curve (beyond the PMD for minimum FE) and extending it to FE = 100%. Beyond this, the FE for the upper bound is assumed to be equal to 100%. A quadratic regression fit results in an R2 value exceeding 0.90 for all cases. For each bound, the average FE (denoted by FE¯¯¯¯¯¯¯¯) over the PMD range 50 nm–5000 nm can now be estimated using numerical integration. Figure 9 illustrates the areas used in the calculation of these bounds for one case, and Table I shows the FE¯¯¯¯¯¯¯¯ computed in this way for the various fabrics considered in the current study. Finally, Table I provides a brief description of the various fabrics/samples from the work of Zangmeister et al.71 that are included in the current study, along with the estimated lower and upper bounds of the average filtering efficiencies.

FIG. 9.

(https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7583361/bin/PHFLE6-000032-101903_1-g009.jpg)

Depiction of methodology for estimating the lower and upper bound of the average FE over the 50 nm–5000 nm range from the data of Zangmeister et al.71 This particular example is for the 1× Cotton 13, 2× Synthetic Blend 4 sample. The lower bound is obtained by assuming that the FE for PMDs greater than 825 nm is equal to the FE measured at 825 nm. The upper bound is obtained by employing a regression fit to the right side of the measured curve (beyond the PMD for minimum FE) and extending it to the FE = 100% line. Beyond this, the FE for the upper bound is assumed to equal 100%.

TABLE I.
Description of the various fabrics/samples from the work of Zangmeister et al.71 that are included in the current study.

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7583361/table/t1/?report=objectonly

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7583361/
••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••

Το έκοψε το SMF "The message exceeds the maximum allowed length (65535 characters)."  :D :D ;D

Καταραμένο Αεροζόλ  ::)

APPENDIX B: WALL-MODELED LARGE EDDY SIMULATION OF BREATH AEROSOLS IN TURBULENT FLOWS
The transport of periodically released breath puffs in a turbulent atmospheric boundary layer is simulated by wall-modeled large eddy simulation (LES). The computational domain is 60 m, 10 m, and 20 m in the streamwise (x), wall-normal (y), and spanwise (z) directions, respectively, with 672 × 117 × 384 grid points. The point source corresponding to the host is placed 1.5 m above from the ground, 10 m downstream of the inflow (defined as x = 0), and at the middle span. The Reynolds number based on the bulk velocity (2 m/s), the emission height (1.5 m), and the viscosity of air is 2.0 × 105. The grid has a uniform spacing of 5 cm for y ≤ 3 m and −5 m ≤ x ≤ 10 m, as well as in the z direction. It is stretched in the (x–y) plane for y > 3 m, x < −5 m, and x > 10 m with a maximum stretching ratio of 4%.

The number of infectious respiratory aerosols and the temperature fluctuation around the ambient temperature are modeled as two transported scalar fields. The droplet evolution is represented using the Eulerian approach where instead of solving the Lagrangian evolution of individual drops, their concentration is treated as a passive scalar. This approach can be far less expensive numerically and is justified at the low volume fractions34 and negligible terminal velocities associated with the small aerosolized droplets whose time-evolving concentration field the simulations aim to represent. See Refs. 97–99 for prior developments and applications of the fast Eulerian two-fluid approach. The release of the virus-laden puffs is implemented as a localized volume source term in the scalar transport equation. The buoyancy due to temperature variations is modeled in the momentum equation by the Boussinesq approximation as a function of the temperature. Subgrid-scale contributions for both the momentum are modeled by the Lagrangian-averaged dynamic eddy-viscosity model.100,101 For the scalars, constant subgrid-scale Schmidt and Prandtl numbers Sc = Pr = 0.4 are used. Both the velocity and scalars are periodic in the spanwise direction. In the streamwise direction, the flow is periodic, while the scalars have a uniform Dirichlet boundary condition at the inflow and a convective condition at the outflow. A sponge layer is applied near the outflow to force the scalars to be zero and let the flow recover to a canonical turbulent boundary layer. For both the velocity and scalar, an equilibrium rough wall model with zo = 0.5 mm is applied at the bottom wall and zero vertical gradient condition at the top boundary. The value of the scalar at the wall is the same as it is in the incoming air at the inflow. The equations of motion and scalar transport are solved using second-order accurate (in time and space) derivatives on a staggered mesh. The code is parallelized using MPI and has been widely validated in similar types of turbulent flows.87,102 Statistics are collected over 30 min of physical flow time after the statistical steady state is reached. Increasing the number of grid points by 26% in each direction (i.e., doubling the total number of grid points) has a negligible effect on the flow statistics and the results presented in the main text.

tory virus shedding in exhaled breath and efficacy of face masks,” Nat. Med. 26(5), 676–680 (2020).10.1038/s41591-020-0843-2 [PubMed] [CrossRef] [Google Scholar]
73. Verma S., Dhanak M., and Frankenfield J., “Visualizing the effectiveness of face masks in obstructing respiratory jets,” Phys. Fluids 32(6), 061708 (2020).10.1063/5.0016018 [PMC free article] [PubMed] [CrossRef] [Google Scholar]
74. Dbouk T. and Drikakis D., “On respiratory droplets and face masks,” Phys. Fluids 32(6), 063303 (2020).10.1063/5.0015044 [PMC free article] [PubMed] [CrossRef] [Google Scholar]
75. Pendar M.-R. and Páscoa J. C., “Numerical modeling of the distribution of virus carrying saliva droplets during sneeze and cough,” Phys. Fluids 32(8), 083305 (2020).10.1063/5.0018432 [CrossRef] [Google Scholar]
76. Tang J. W., Liebner T. J., Craven B. A., and Settles G. S., “A Schlieren optical study of the human cough with and without wearing masks for aerosol infection control,” J. R. Soc., Interface 6(Suppl. 6) (2009).10.1098/rsif.2009.0295.focus [PMC free article] [PubMed] [CrossRef] [Google Scholar]
77. Bourouiba L., Dehandschoewercker E., and Bush J. W. M., “Violent expiratory events: On coughing and sneezing,” J. Fluid Mech. 745, 537–563 (2014).10.1017/jfm.2014.88 [CrossRef] [Google Scholar]
78. Fischer E. P., Fischer M. C., Grass D., Henrion I., Warren W. S., and Westman E., “Low-cost measurement of face mask efficacy for filtering expelled droplets during speech,” Sci. Adv. 6, eabd3083 (2020).10.1126/sciadv.abd3083 [PMC free article] [PubMed] [CrossRef] [Google Scholar]
79. Chan J. F.-W., Yuan S., Zhang A. J., Poon V. K.-M., Chan C. C.-S., Lee A. C.-Y., Fan Z., Li C., Liang R., Cao J., Tang K., Luo C., Cheng V. C.-C., Cai J.-P., Chu H., Chan K.-H., To K. K.-W., Sridhar S., and Yuen K.-Y., “Surgical mask partition reduces the risk of noncontact transmission in a golden Syrian Hamster model for coronavirus disease 2019 (COVID-19),” Clin. Infect. Dis. (published online 2020).10.1093/cid/ciaa644 [PMC free article] [PubMed] [CrossRef] [Google Scholar]
80. Bird R. B., Stewart W. E., and Lightfoot E. N., Transport Phenomena, 2nd ed. (Wiley, 2006). [Google Scholar]
81. Tennekes H. and Lumley J. L., A First Course in Turbulence (MIT Press, 2018). [Google Scholar]
82. Zarruk G. A. and Cowen E. A., “Simultaneous velocity and passive scalar concentration measurements in low Reynolds number neutrally buoyant turbulent round jets,” Exp. Fluids 44(6), 865–872 (2008).10.1007/s00348-007-0441-9 [CrossRef] [Google Scholar]
83. Yang F., Pahlavan A. A., Mendez S., Abkarian M., and Stone H. A., “Towards improved social distancing guidelines: Space and time dependence of virus transmission from speech-driven aerosol transport between two individuals,” https://doi.org/medRxiv:2020.08.31.20185439.
84. Tang J. W., Nicolle A. D., Klettner C. A., Pantelic J., Wang L., Suhaimi A. B., Tan A. Y. L., Ong G. W. X., Su R., Sekhar C., Cheong D. D. W., and Tham K. W., “Airflow dynamics of human jets: Sneezing and breathing—Potential sources of infectious aerosols,” PLoS One 8(4), e59970 (2013).10.1371/journal.pone.0059970 [PMC free article] [PubMed] [CrossRef] [Google Scholar]
85. Sykes R. I. and Henn D. S., “Large-eddy simulation of concentration fluctuations in a dispersing plume,” Atmos. Environ., Part A 26(17), 3127–3144 (1992).10.1016/0960-1686(92)90470-6 [CrossRef] [Google Scholar]
86. Vinkovic I., Aguirre C., and Simoëns S., “Large-eddy simulation and Lagrangian stochastic modeling of passive scalar dispersion in a turbulent boundary layer,” J. Turbul. 7, N30 (2006).10.1080/14685240600595537 [CrossRef] [Google Scholar]
87. Wu W. and Piomelli U., “Reynolds-averaged and wall-modelled large-eddy simulations of impinging jets with embedded azimuthal vortices,” Eur. J. Mech. B/Fluids 55, 348–359 (2016).10.1016/j.euromechflu.2015.06.008 [CrossRef] [Google Scholar]
88. Norton K., Norton L., and Sadgrove D., “Position statement on physical activity and exercise intensity terminology,” J. Sci. Med. Sport 13(5), 496–502 (2010).10.1016/j.jsams.2009.09.008 [PubMed] [CrossRef] [Google Scholar]
89. Valli G., Internullo M., Ferrazza A. M., Onorati P., Cogo A., and Palange P., “Minute ventilation and heart rate relationship for estimation of the ventilatory compensation point at high altitude: A pilot study,” Extreme Physiol. Med. 2, 7 (2013).10.1186/2046-7648-2-7 [PMC free article] [PubMed] [CrossRef] [Google Scholar]
90. Sze To G. N. and Chao C. Y. H., “Review and comparison between the Wells–Riley and dose-response approaches to risk assessment of infectious respiratory diseases,” Indoor Air 20(1), 2–16 (2010).10.1111/j.1600-0668.2009.00621.x [PMC free article] [PubMed] [CrossRef] [Google Scholar]
91. Sze To G. N., Wan M. P., Chao C. Y. H., Wei F., Yu S. C. T., and Kwan J. K. C., “A methodology for estimating airborne virus exposures in indoor environments using the spatial distribution of expiratory aerosols and virus viability characteristics,” Indoor Air 18(5), 425–438 (2008).10.1111/j.1600-0668.2008.00544.x [PubMed] [CrossRef] [Google Scholar]
92. Gandhi M., Beyrer C., and Goosby E., “Masks do more than protect others during COVID-19: Reducing the inoculum of SARS-CoV-2 to protect the wearer,” J. Gen. Intern. Med. (2020).10.1007/s11606-020-06067-8 [PMC free article] [PubMed] [CrossRef] [Google Scholar]
93. W. Feller, An Introduction to Probability Theory and its Applications (Wiley, 1991), Vol. 2. [Google Scholar]
94. Noakes C. J., Beggs C. B., Sleigh P. A., and Kerr K. G., “Modelling the transmission of airborne infections in enclosed spaces,” Epidemiol. Infect. 134(5), 1082–1091 (2006).10.1017/S0950268806005875 [PMC free article] [PubMed] [CrossRef] [Google Scholar]
95. Stutt R. O. J. H., Retkute R., Bradley M., Gilligan C. A., and Colvin J., “A modelling framework to assess the likely effectiveness of facemasks in combination with ‘lock-down’ in managing the COVID-19 pandemic,” Proc. R. Soc. A 476(2238), 20200376 (2020).10.1098/rspa.2020.0376 [PMC free article] [PubMed] [CrossRef] [Google Scholar]
96. Watanabe T., Bartrand T. A., Weir M. H., Omura T., and Haas C. N., “Development of a dose-response model for SARS coronavirus,” Risk Anal. 30(7), 1129–1138 (2010).10.1111/j.1539-6924.2010.01427.x [PMC free article] [PubMed] [CrossRef] [Google Scholar]
97. Ferry J. and Balachandar S., “A fast Eulerian method for disperse two-phase flow,” Int. J. Multiphase Flow 27(7), 1199–1226 (2001).10.1016/s0301-9322(00)00069-0 [CrossRef] [Google Scholar]
98. Aiyer A. K., Yang D., Chamecki M., and Meneveau C., “A population balance model for large eddy simulation of polydisperse droplet evolution,” J. Fluid Mech. 878, 700–739 (2019).10.1017/jfm.2019.649 [CrossRef] [Google Scholar]
99. Yang D., Chen B., Socolofsky S. A., Chamecki M., and Meneveau C., “Large-eddy simulation and parameterization of buoyant plume dynamics in stratified flow,” J. Fluid Mech. 794, 798–833 (2016).10.1017/jfm.2016.191 [CrossRef] [Google Scholar]
100. Germano M., Piomelli U., Moin P., and Cabot W. H., “A dynamic subgrid-scale eddy viscosity model,” Phys. Fluids A 3(7), 1760–1765 (1991).10.1063/1.857955 [CrossRef] [Google Scholar]
101. Meneveau C., Lund T. S., and Cabot W. H., “A Lagrangian dynamic subgrid-scale model of turbulence,” J. Fluid Mech. 319, 353–385 (1996).10.1017/S0022112096007379 [CrossRef] [Google Scholar]
102. Scalo C., Boegman L., and Piomelli U., “Large-eddy simulation and low-order modeling of sediment-oxygen uptake in a transitional oscillatory flow,” J. Geophys. Res.: Oceans 118(4), 1926–1939, 10.1002/jgrc.20113 (2013).10.1002/jgrc.20113 [CrossRef] [CrossRef] [Google Scholar]

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7583361/
••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••

Το πόσταρα επίτηδες ολόκληρο (όχι οτι έκατσα να το διαβάσω ή μπορώ να κάνω υπολογισμούς και να βγάλω συμπέρασμα, αλλιώς θα είχα πτυχίο επιδημιολόγου / μηχανικού ρευστών κτλ να ουμε), αλλά ένα είναι σίγουρο :

Ούτε ο Μητσοτάκης και η Επιτροπή των Επιστημόνων ούτε ο Τσίπρας ούτε ο Κουτσούμπας ούτε ο Βαρουφάκης έκατσαν να κάνουν τους υπολογισμούς, ούτε οι ίδιοι ούτε τα επιτελεία τους, και όλοι λένε τις απόψεις τους απλά χωρίς να μπορούν να τις τεκμηριώσουν.

Ούτε καν νομίζω να έχει καταλάβει κανείς τους πως δουλεύει το aerosol transmission, αυτό που καταλαβαίνει κανείς από τα σχήματα και μόνο είναι οτι φυσικά και μεταδίδεται και στις πορείες και στα σχολεία και στα λεωφορεία και στα σούπερ μάρκες και σε όλους τους κλειστούς χώρους αλλά και σε ανοιχτούς 18 φορές λιγότερο από τους κλειστούς.

Θέμα για διπλωματικάρα είναι αυτό  :D ^rolfmao^: Να καταφέρεις να αποδείξεις αν και πόσο μεταδίδεται σε πορείες.

Φυσικά ο Μητσοτάκης παρακαλάει να γίνει η πορεία και να ρίξει το φταίξιμο και την ευθύνη για το οτι τα έχει σκατώσει εκεί. Είναι γνωστός ευθυνόφοβος και το λένε άτομα που τον ξέρουν. Και με την συγκέντρωση στο Εφετείο τη μέρα της απόφασης για την Σκατί Αυγή το ίδιο έκανε.

Μάλλον πρέπει να το ξανασκεφτούν ο Τσίπρας ο Κουτσούμπας και ο Βαρουφάκης για το αν πρέπει να προτρέπουν να γίνει πορεία.
Για να μη δώσουν άλλοθι στον Μητσοτάκη και να λέει οτι επιδείνωσαν την ήδη τεράστια διάδοση του ιού στην χώρα.

Δε ξεχνιέται ούτε η μνήμη ούτε η επέτειος ούτε ο συμβολισμός της αν μια χρονιά κατ' εξαίρεση δε γίνει η Πορεία για το Πολυτεχνείο. Να μην ανησυχούν τόσο.
Άσε που μπορεί να γίνει μεταχρονολογημένη όταν τελειώσουν οι εμβολιασμοί και μετά δεν θα υπάρχει καμία δικαιολογία για να πουν οτι απαγορεύουν την πορεία.

H απαγόρευση των συγκεντρώσεων για το Πολυτεχνείο είναι λογική συνέπεια του lockdown που δεν αμφισβητείται από κανέναν.  Ή θα αμφισβητήσεις λοιπόν την ιατρική διαχείριση της πανδημίας, το lockdown που αποτυγχάνει  παταγωδώς, καθώς δεν έχει κάτι άλλο να προτείνει, εκτός από εξατομικευμένα μέτρα (μάσκα, κοινωνική απομόνωση, ατομική ευθύνη)  ή, αλλιώς θα αναπαράγεις το ιδεολόγημα  της  ατομικής ευθύνης, λέγοντας πως "εγώ", "εμείς" θα τηρήσουμε τα μέτρα.  Μόνο η αντιμετώπιση της επιδημίας ως προβλήματος δημόσιας υγείας και κοινωνικών υποδομών,  με την κοινωνία σε λειτουργία, σε νομιμοποιεί για τα υπόλοιπα.

Αυτό σημαίνει, εκτός των άλλων, σχήματα δράσης για να υποδεχτούν και να μετασχηματίσουν τη λαϊκή δυσαρέσκεια και την ατομική αγανάκτηση  σε μηχανισμό διεκδίκησης και ανατροπής. Τα υπόλοιπα είναι επιτελέσεις που μπορεί και να αποπροσανατολίζουν. Μεταξύ άλλων και από ευθύνες για το  πως φτάσαμε  ως εδώ, ο "μικρός εξόριστος εκ Παρισίων" να κουνά το  δάχτυλο στην κοινωνία και σε αυτούς που έκαναν αντίσταση.

Ετσι ακριβως οπως λεει και το Katarameno μπορεί να γίνει ο εορτασμός μεταχρονολογημένα.

Και αν ο κόσμος ήθελε να διαμαρτυρηθεί για τη διαχείριση της πανδημίας έπρεπε να το κάνει το Μάιο που μας είχαν κλειδωμένους επειδή 4 άτομα σε όλη την ελλάδα είχαν πυρετό 36.7 αντί 36.6.

Τώρα που το ΕΣΥ είναι στα όρια του, εγω προσωπικά θεωρώ τη συμμετοχή στη πορεία σαν προσπάθεια να βλαπτει το κοινωνικό σύνολο και εμπεριέχει ηθικές ευθύνες για μελλοντικούς θανάτους απο κορονοιο. Είναι απαραίτητο σε αυτη τη φάση να τηρούν όλοι όλα τα μέτρα.

Συμφωνώ με Καταραμένο πάρα πολύ. Αν και το τόπικ δεν είναι για πορεία στις 17Ν:

Το να γίνει η πορεία τότε, απλά θα δώσει κι άλλες δικαιολογίες, στους κρατικούς (ΣΚΑΙ κτλ) να πούνε πως κάποιοι λίγοι ευθύνονται για την κατάσταση που περνάμε τώρα και όχι εμείς που αποτύχαμε στο σχεδιασμό κατάλληλων μέτρων. Ας μην τους κάνουμε αυτήν τη χάρη

Πάντως το κράτος άμα θέλει να βρει μπορεί πολύ εύκολα να δημιουργεί εχθρούς, ανόητους υπεύθυνους, οι νέοι πίνουν μπίρες και τα ρέστα.
Εγώ λέω ότι το κράτος ΔΕΝ ΕΝΔΙΑΦΈΡΕΤΑΙ ΓΙΑ ΤΟ ΠΟΙΟΣ ΘΑ ΠΕΘΆΝΕΙ Η ΌΧΙ, ΤΑ ΜΈΤΡΑ ΕΊΝΑΙ ΜΟΥΦΑ, ΌΛΗ Η ΠΟΛΙΤΙΚΉ ΓΎΡΩ ΑΠΌ ΤΟΝ ΙΌ ΕΊΝΑΙ ΜΑΤ ΚΑΙ ΚΑΤΑΣΤΟΛΉ.
Οπότε βάσει αυτών θεωρώ οτι πορείες θα πρέπει να γίνονται και βλέποντας την κατάσταση στα αστικά μάλλον δεν ευθύνονται οι υπαίθριες συγκεντρώσεις για τη διασπορά του ιου

Ας περάσουν μερικά χρονάκια. Να κολλήσουμε όλοι, να πεθάνει η μισή Ελλάδα και μετά προβαίνουμε σε πορείες διαμαρτυρίας γιατί δεν πήραν τα σωστά μέτρα.

Γιατί να περιμένουμε να πεθάνει κι άλλος κόσμος για να γίνει κάτι γενικά?

Εντωμεταξύ μετά τα χθεσινά στην Αθήνα και τα σημερινά στην Πάτρα, σήμερα και στη Θεσσαλονίκη συνελήφθησαν 5 μέλη της ΑΝΤΑΡΣΥΑ επειδή απλά μοίραζαν φυλλάδια που καλούσαν στην πορεία της 17 Νοέμβρη, με κατηγορία για διέγερση σε ανυπακοή. Στο μεταξύ, όσοι μιλάτε για ηθικές ευθύνες για μελλοντικούς θανάτους λόγω της πορείας, ας περιμένετε να διαδηλώσετε "μεταχρονολογημένα"  τον 15αυγουστο που θα έχει βγει το εμβόλιο, μην και μας πιάσει στο στόμα του ο ΣΚΑΙ.

το να υποστηρίζει κάποιος ότι είναι αποδεκτό να μη γίνει πορεία για το Πολυτεχνείο, είναι το ίδιο με το να υποστηρίζει ότι είναι αποδεκτή η ανυπαρξία ΜΕΘ, είναι αποδεκτή η ανυπαρξία μαζικών τέστ, είναι αποδεκτή η ανυπαρξία μέσων ατομικής προστασίας των εργαζομένων, είναι αποδεκτή η εξαθλίωση του ΕΣΥ και του ΟΑΣΘ, είναι αποδεκτή η απαγόρευση απεργιών στους χώρους εργασίας, είναι αποδεκτή η συνολική πολιτική της κυβέρνησης της ΝΔ και τέλος τέλος ότι είναι αποδεκτός ο θάνατος τόσων ανθρώπων γύρω μας!

το Πολυτεχνείο δεν είναι Πάσχα να ψήσουμε το αρνί αργότερα, γιατί το αρνί είναι ο λαός στο τώρα.

Καθόλου ευχάριστo δε μου ήταν αυτό το γενικόλογο τσουβάλισμα με το λογικό λαθάκι που κάνω strike από σένα ειδικά, για μένα.
Έγραψες πριν από μένα οτι πρέπει να φτιαχτούν νέες ΜΕΘ? Δεν ήταν έτσι κι αλλιώς αυτονόητο όταν βλέπαμε τους κινέζους να σηκώνουν ολόκληρο νοσοκομείο με 1000 ΜΕΘ σε χρόνο ρεκόρ 9 μέρες?
Έγραψες πριν από μένα οτι πρέπει να γίνονται μαζικά τεστ (και δωρεάν εννοείται)?
Έγραψες πριν από μένα οτι δεν υπήρχαν μάσκες ή οτι είναι πανάκριβες και αντί να παραγγείλουν μαζικά ως κράτος για να πετύχουμε την καλύτερη δυνατή τιμή χοντρικής για να μας έρχονται δωρεάν οι χειρουργικές (0,01€ κόστος τώρα αστείο ποσό) και με 10 λεπτά οι N95 αφήνουν τους κολλητούς τους να κερδοσκοπούν?
Έγραψες πριν από μένα οτι οι νοσοκόμοι και οι γιατροί του ΕΣΥ θα μολυνθούν και θα εξαντληθούν?
Έγραψες πριν από μένα οτι τα λεωφορεία στη Wuhan σταμάτησαν από την 1η μέρα της καραντίνας και δε κυκλοφόρησαν παρά μετά από 76 μέρες σκληρής καραντίνας και εκατομμύρια τεστ?
Έγραψες πριν από μένα οτι τα σχολεία όλων των βαθμίδων στη Wuhan σταμάτησαν από την 1η μέρα της καραντίνας και άνοιξαν τελευταία και με διαφορά 15 ημερών από κάθε άλλη κατηγορία ανοίγματος- προσεκτικά και με επιτήρηση?
Έγραψες πριν από μένα οτι είναι άκρως φασιστικός ο νόμος περί απαγόρευσης ουσιαστικά των απεργιών? Ή οτι πέρασαν και νόμο για την κατάργηση του 8ωρου, των πληρωμένων υπερωριών, κτλ εργασιακά εκτρώματα που πέρασαν?  
Έγραψες πριν από μένα οτι η συνολική πολιτική διαχείρηση της πανδημίας από τη ΝΔ είναι ΓΤΠΚ?
Ή μήπως έγραψες πριν από μένα οτι πρέπει να κλείσουν και τα σχολεία και τα ΑΕΙ και τα πάντα γιατί και βάσει του Συντάγματος Πρωταρχική Υποχρέωση της Πολιτείας είναι η προστασία της ζωής των πολιτών (και μετά της αξιοπρέπειας αλλά αυτό 2ο μετά τη ζωή, και μετά είναι οι προσωπικές ελευθερίες, η ελευθερία και το δικαίωμα στην διαδήλωση και η ελευθερία και το δικαίωμα στην ελεύθερη μετακίνηση σε όλη την επικράτεια) ?
Γιατί σκεφτόμουν πάρα πολλές ώρες για το τι πρέπει τελικά να γίνει και τελικά κατάλαβα οτι οι Κινέζοι όσο απολυταρχικό καθεστώς και να είναι κάνανε πολύ σωστά και βάλανε την ανθρώπινη ζωή πάνω από την οικονομία τους και τα χρηματιστήριά τους, όταν έβλεπα από αρχές Φεβρουαρίου σοκαρισμένος οτι ΔΕΝ ΚΑΝΕΙ ΤΟ ΙΔΙΟ ΚΑΙ Η ΔΥΣΗ, αφού φάνηκε από τότε που χαριεντίζονταν στις συνόδους της ΕΕ κάνουντας γροθιές αντί για χειραψίες οτι προσπαθούσαν συστηματικά να γελοιοποιήσουν την σοβαρότητα της πανδημίας ενώ ήδη έκανε θραύση η μετάδοση στην Ιταλία τη Γερμανία τη Γαλλία την Αγγλία κτλ περνώντας το υποσυνείδητο μήνυμα οτι ντάξει μωρέ, μια απλή γριππούλα είναι, το οποίο έπαιζαν συστηματικά όλα τα ΜΜΕ της Δύσης όλως τυχαίως το ίδιο και απαράλλαχτο, καρμπόν δλδ.
Όταν έβλεπα οτι η "Επιδημιολόγος" Κεραμέως, αυτό το ανάλγητο ραδίκι αρνούνταν πεισματικά να βάλει έστω ένα θερμόμετρο στους μαθητές των λυκείων από βόρεια Ιταλία και έπαιρνα και έβριζα τους μαλάκες στο Κέντρο Επιχειρήσεων του ΕΟΔΥ του κρετίνου Αρκουμανέα. Όταν έστελνα από τις 31 Ιανουαρίου email στο ΕΚΑΒ με ότι σημαντικότερο μπορούσα να τους δείξω από τα αμέτρητα που είχα δει εγώ επειδή είχα περισσότερο χρόνο ή μάλλον αφιέρωσα όλο τον χρόνο μου δωρεάν για να κάνω ότι μπορώ να βρω και να μαζέψω όσες περισσότερες χρήσιμες πληροφορίες μπορούσα μπας και ξυπνήσει το "Επιτελικό Κράτος" του Κούλη που όχι απλά κοιμόταν τον ύπνο του δικαίου αλλά δεν υπάρχει καν. Και αν δεν πίεζαν και άλλοι πόσοι, άγνωστο πόσοι, ούτε στο 1ο κύμα θα είχαν κάνει οι καθυστερημένοι lockdown, και θα μετρούσαμε τώρα ήδη πάνω από 15000 νεκρούς. Όταν οι προβλέψεις για 1 Φεβρουαρίου του 2021 και τώρα είναι για 6700 νεκρούς. Που και πάλι το έβλεπα και τους γκάζωνα να ξυπνήσουν πριν είναι αργά. Αλλά αυτή τη φορά, στο 2ο κύμα όχι απλά άργησαν, τρέχουν τώρα και δε φτάνουν, πανικόβλητοι, βλέποντας οτι τα πραγματικά τους ποσοστά θα φτάσουν να είναι όντως μικρότερα από το ποσοστό θνησιμότητας της πανδημίας.
Εγώ τους προειδοποίησα, πριν από οποιονδήποτε μάλλον. Για να μη πεθάνει κόσμος άδικα. Όχι για να βοηθήσω τη ΝΔ και την κυβέρνηση των κρετίνων του Μητσοτάκη του Άδωνι του Βορίδη και του Μπογδάνου που σιχαίνομαι.
Εσύ με 3 σειρές έωλων συνεπαγωγών με εξίσωσες με το Μητσοτάκη. Μεγάλη προσβολή.  

Μάλλον δεν έχεις δει τα καντήλια που τους ρίχνω στο τόπικ για τον SARS-Cov-2 και κάνεις τέτοιο λογικό (σφ)άλμα και τσουβάλιασμα. Τίποτα από αυτά που λες φυσικά δεν είναι αποδεκτό, αλλά είναι αποδεδειγμένο οτι μια μεγάλη πορεία που δυστυχώς δεν θα είναι υποδειγματική στην τήρηση των αποστάσεων όπως η μεγαλειώδης εκδήλωση του ΠΑΜΕ στο Σύνταγμα την Πρωτομαγιά που παρέδωσε μαθήματα αλλά δεν τα έμαθαν όλοι μάλλον, θα προκαλέσει έστω και λίγα επιπλέον κρούσματα. Να θυμίσω οτι η επιδημίες/πανδημίες ξεκινάνε με 1 κρούσμα. Και τώρα είμαστε στους 1.311.934 νεκρούς και στα 53.883.129 κρούσματα παγκοσμίως. Αν νομίζετε οτι δε τρέχει και τίποτα να μολυνθούν έστω 1-3 παραπάνω από μια πορεία, ξεχάσατε μάλλον να σκεφτείτε οτι όπως το αρχικό 1 κρούσμα έγινε σε 11 μήνες 53 εκατομμύρια, έτσι και το έστω 1 επιπλέον από μια πορεία θα γίνει πολλά μετά από x μήνες, άγνωστο πόσα ακριβώς, ίσως και εκατοντάδες, και κάποιοι από αυτούς, σε ποσοστό σύμφωνα με το Worldometers 3,37% (θνησιμότητα στις 13 Νοεμβρίου) ή 2.4% σύμφωνα με την πιο λανθασμένη απλοϊκή μέθοδο υπολογισμού της θνησιμότητας που ακολουθεί το https://covid19info.live/ θα πεθάνουν με μαθηματική ακρίβεια.
Δεν μπορείτε να αποδείξετε οτι "αν τηρηθούν τα μέτρα προστασίας" (καταρχήν ποια μέτρα προστασίας? του 1,5 μέτρων απόσταση γενικά και αόριστα που η καπιταλιστική δύση προτείνει ή τα σαφέστατα μέτρα που έθεσαν οι Κινέζοι δλδ 1,5 μέτρο απόσταση με καλό συνεχή αερισμό όλων των χώρων και 3 φορές τη μέρα απολύμανση όλων μα όλων των επιφανειών και χώρων, εσωτερικών και εξωτερικών στους χώρους δουλειάς και 4,5 μέτρα απόσταση αν δε φοράει κάποιος μάσκα?) δεν θα υπάρχει καμία περαιτέρω διάδοση της επιδημίας ανάμεσα στους διαδηλωτές κιόλας. Να ήταν διαδήλωση ακροδεξιών θα γελούσα.
Από το Μάρτιο έλεγα : Αφήστε τους ακροδεξιούς και τους χρυσαυγίτες να μολυνθούν. Τόσο τους κόβει.
Και γιατί λέω αποδείξτε οτι δε θα υπάρχει καμία μετάδοση? Γιατί στις ΗΠΑ του κρυφοναζί Τραμπ με τις προεκλογικές συγκεντρώσεις του σχεδόν αποδείχτηκε οτι όπου γινόταν προεκλογική συγκέντρωση ηλιθίων οπαδών του, μετά από 15 μέρες έβλεπαν τεράστια αύξηση κρουσμάτων. Βέβαια εκείνοι δε φορούσαν ούτε μάσκες, αλλά μη μου πείτε οτι πιστεύετε οτι με μια απλή χειρουργική μάσκα είστε προστατευμένοι απέναντι στο aerosol transmission?
Γιατί τo lockdown της Wuhan που αρχικά μου φάνηκε σοκαριστικό και υπερβολικό δεν ήταν τυχαία επιλογή των κινέζων ειδικών της δημόσιας υγείας: Έκαναν Lockdown και απολύμαιναν συνεχώς από ένα σημείο και πέρα και στον αέρα και είχα ποστάρει όλα τα σχετικά video από tweets γιατί περιείχαν ακριβώς αυτήν την κρίσιμη πληροφορία: Οτι για να απολυμαίνουν οι κινέζοι στη Wuhan και αλλού ακόμα και τον αέρα έξω πάνω από τους δρόμους κάτι σημαίνει αυτό και μόνο τυχαία δεν το κάνουν : Δεν άργησε να βγει η ανακοίνωση από την Υπηρεσία Δημόσιας Υγείας της Σαγκάης, της μεγαλύτερης πόλης του πλανήτη με 35 εκατομμύρια κατοίκους, οτι πλέον έχουν αποδείξεις οτι μεταδίδεται και αερογενώς δλδ με aerosol transmission ο ιός δλδ αιωρείται στον αέρα ως και 3 ώρες λένε άλλοι, ως και 8 ώρες λένε κάποιοι άλλοι.
Πως ξέρετε οτι δεν είναι κανένας θετικός ανάμεσα στον κόσμο που θέλει και καλώς θέλει αλλά κάνει τραγικό λάθος να συμμετάσχει στην πορεία της 17 Νοέμβρη?
Πως μπορείτε να αποκλείσετε την μετάδοση από τους άγνωστο πόσους θετικούς θα υπάρχουν σε μια πορεία (ειδικά τους ασυμπτωματικούς και προσυμπτωματικούς) σε άλλους που θα περπατάνε από πίσω τους ανυποψίαστοι ειδικά όταν σε πορείες ο κόσμος φωνάζει και συνθήματα δλδ εκπνέει ακόμα μεγαλύτερη ποσότητα σωματιδίων και αυτά πάνε ακόμα πιο μακριά από τα 2 μέτρα.

Δε καταλάβατε ακόμα οτι τα "μέτρα προστασίας" που πρότεινε ο ίδιος ο ΠΟΥ (αρχικά 1 μέτρο, μετά 1,5 μέτρο, μετά 2 μέτρα) ήταν ανεπαρκέστατα και αυτό φαίνεται εκ του αποτελέσματος?
Το ξαναείπα: Αυτός δεν είναι Παγκόσμιος Οργανισμός Υγείας, είναι Παγκόσμιος Οργανισμός Διάδοσης της Πανδημίας. Εκτός του οτι κύρηξε την επιδημία πανδημία όταν ήδη είχε φτάσει και στις τελευταίες χώρες, και άρα δεν είχε κανένα πλέον νόημα η κατόπιν εορτής τυπική αναβάθμισή του από επιδημία σε πανδημία.

Είχα ποστάρει ένα από τα πιο χαρακτηριστικά και σοκαριστικά βιντεάκια τον Φεβρουάριο, όπου φαίνεται οτι οι νοσκόμοι στην Κίνα από μια μέρα και μετά και ενώ φορούσαν αυτές τις διαστημικές hazmat στολές, γυαλιά για τα μάτια και καλές μάσκες Ν95-Ν99 κρατούσαν παρόλα αυτά και απόσταση 4 μέτρων από τον φορέα που μετέφεραν με τα ασθενοφόρα.
Και εσείς πιστεύτε οτι σε μια πορεία, που οι μισοί θα έχουν τη μύτη έξω απ' την μάσκα, οι άλλοι μισοί θα φοράνε υφασμάτινες που κρατάνε το 8%-18% και όχι μια χειρουργική έστω που τουλάχιστον κρατάει το 62%-65% των σωματιδίων δε θα υπάρχει μετάδοση σε κανέναν? (από εσάς που θα είστε εκεί κιόλας).
Ποιο είναι το όφελος στο κίνημα αν αυτομολυνθούν οι διαδηλωτές μπορείς να μου πεις?

Και τέλος πάντων τι πιστεύετε οτι αν γίνει η πορεία θα αλλάξει ο Μητσοτάκης πολιτική στη διαχείρηση της πανδημίας? Εδώ 1000 άτομα έχουν πεθάνει και δεν ίδρωσε το αυτί του.
Τώρα θα ιδρώσει?

Αν θέλετε να κάνετε υποδειγματική πορεία και να μην υπάρχει σχεδόν καμία πιθανότητα να κολλήσει έστω και ένας παραπάνω, και να σας παραδεχτούν και όλοι (όπως έκαναν και με την υποδειγματική εκδήλωση του ΠΑΜΕ στο Σύνταγμα), πρέπει να τηρούν ΟΛΟΙ ΑΝΕΞΑΙΡΕΤΩΣ ΤΑ :

1) 3-4 μέτρα απόσταση από όλους τους άλλους ανά πάσα στιγμή
2) Να φοράνε όλοι καλές μάσκες Ν95 που συγκρατούν το 95%-97% των σωματιδίων και άρα ελαχιστοποιούν από μόνες τους τον κίνδυνο μετάδοσης στο μόλις 3% εννοείται όχι υφασμάτινες, έστω τις "χειρουργικές" που πιάνουν το 62%-65%
3) Να μη φωνάζουν συνθήματα για τον απλούστατο λόγο οτι τότε γίνεται μεγαλύτερη εκπνοή σωματιδίων

Επειδή δεν νομίζω οτι θα τηρηθούν αυτά τα 3 γιαυτό λέω οτι καλύτερα να μη γίνει φέτος η πορεία.

Εγώ πάντως δεν έχω καμία όρεξη να θάψω τους γονείς μου για να πάω αυτή την συγκεκριμένη χρονιά στην πορεία. Θα πάω του χρόνου και ελπίζω να είμαστε όλοι υγιείς να κάνουμε την επόμενη χρονιά την μεγαλύτερη πορεία όλων των ετών για τη 17 Νοέμβρη.

Και μην αντιδράτε έτσι μόλις πει κάποιος κάτι που δεν συμφωνεί με τα πεπατημένα και εύκολα "κινηματικά". Τι είναι πιο σοβαρό? Να προστατευτεί ο κόσμος που είναι δικός μας και θέλει να διαδηλώσει (και πολύ σωστά θέλει) αλλά δυστυχώς δε ξέρω αν το συνειδητοποιήσατε αλλά ζούμε σε καιρό πανούκλας και χολέρας και θανατικού ή το yolo δε γαμιέται πάμε να κάνουμε πορεία και στα @@ μας
••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••
COVID-19 CORONAVIRUS PANDEMIC
Last updated: November 14, 2020, 13:59 GMT

Coronavirus Cases :
53,883,129
Deaths :
1,311,934
Recovered :
37,621,027
ACTIVE CASES
Currently Infected Patients :
14,950,168
in Mild Condition :
14,840,521 (99%)
Serious or Critical :
109,647 (1%)

CLOSED CASES
Cases which had an outcome :
38,932,961
Recovered / Discharged :
37,621,027 (97%)
Deaths :
1,311,934 (3%)

https://www.worldometers.info/coronavirus/
••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••

Έτσι απαντάω εγώ στον γελοίο καραγκιόζη που το παίζει Πρωθυπουργός και πληρώνει 30.000.000€ στα ΜΜΕ του για να τον αποκαλούν Μωϋσή - Ηρακλή και Τσώρτσιλ: Στα ίσα στο προφίλ του το ξεβράκωμα.
Και του λέω και γιατί τον βρίζω, κάνω συγκεκριμένη πρόταση, τεκμηριωμένη. Μόλις μερικές μέρες μετά όλως τυχαίως κλείνουν επιτέλους τα δημοτικά σχολεία, που θα αποδειχτεί οτι ήταν και η μεγαλύτερη πηγή διάδοσης, μετά τα λεωφορεία/ΜΜΜ, που δεν είναι και πρωτοφανές να πεις οτι δε μπορούσαν να το υποψιαστούν. Και σε άλλες επιδημίες/ασθένειες τα παιδιά είναι τεράστια πηγή μετάδοσης - χωρίς φυσικά να φταίνε - σιγά μη ρίξουμε το φταίξιμο και στα παιδάκια.

Αυτοί που δεν έκλεισαν όπως στη Wuhan τα σχολεία από την 1η μέρα και ως 1ο μέτρο έχουν όλη την ευθύνη για τους επιπλέον νεκρούς και θα πρέπει να λογοδοτήσουν για τους θανάτους που προκάλεσαν και είναι το 90-95% των συνολικών θανάτων που έχουν οι χώρες της (νεοφιλελέ) Δύσης. Απόδειξη οι "επιδόσεις" των ΗΠΑ της Βραζιλίας της Αγγλίας σε σχέση με τις επιδόσεις της Ταϊβάν της Ινδονησίας της Κίνας της Νότιας Κορέας, της Σιγκαπούρης κτλ. Μια ματιά μόνο στον πίνακα του https://covid19info.live/ αν κάνουμε ταξινόμηση όλων των χωρών ανά ποσοστό θνησιμότητας της κάθε χώρας και αποκαλύπτεται η απάτη του νεοφιλελέ αφηγήματος που δήθεν νοιάζεται για την ανθρώπινη ζωή και τη βάζει πάνω από τα κέρδη και την "οικονομία" ενώ οι ίδιοι αφήνουν χωρίς λεφτά τον κοσμάκη όταν τελικά κάνουν lockdown βγάζοντας το νεοφιλελέ μίσος τους εκδικητικά πάνω στους λαούς της δύσης που υποφέρουν εδώ και μήνες από κάτι που η Κίνα ξεπέρασε σε 2 μήνες και εμείς κλείνουμε 11.

(https://i.ibb.co/Qp5d5zC/7-001.jpg) (https://ibb.co/6rdBdV1)

(https://i.ibb.co/c2sfJ51/7-002.jpg) (https://ibb.co/JrS6nLK)

Το να με εξισώνεις δηλαδή με τον Μητσοτάκη είναι τουλάχιστον άδικο και ατυχές.
Τι νομίζεις? Οτι δε θέλω να γίνει η πορεία? Ή βλέπω οτι δε πρέπει να γίνει αν δεν τηρούνται πρωτοφανή μέτρα που αμφιβάλλω αν μπορούν να τηρηθούν από όλους για να είστε όλοι καλά και μετά την πορεία?

σημερινο για να περασουμε καλα χριστουγεννα :D

Katarameno σταματα να σπαμαρεις ρε φιλε, ελεος καπου...

χαχαχα καρε καρε το φασωμα

ε αφού μόνο η πορεία του Πολυτεχνείου κολλάει...το φασωμα Κούλη Ιερωνύμου δεν...

https://www.socialistworld.net/2020/05/18/the-spanish-flu-of-1918-and-how-it-fanned-the-flames-of-revolt/ (https://www.socialistworld.net/2020/05/18/the-spanish-flu-of-1918-and-how-it-fanned-the-flames-of-revolt/)

Πολύ κόμπλεξ βγάζεις ντιναρα μας

σβήσε το μας, να μην παρεξηγηθουμε τώρα

το δικο σου το κομπλεξ ποιο ειναι? εξηγησου να καταλαβουμε

Ηρεμία παιδιά .Έχετε και ολόκληρη πορεία να οργανώσετε.Μην κουραστείτε από τώρα.

όποιος θέλει κατεβαίνει στην πορεία, όποιος δεν θέλει μένει σπίτι του.

το να διεκδικώ αυτά που μου αξίζουν δεν με κουράζει, εσύ πρόσεχε μην κουραστεί η παλάμη σου.

Τι θα πάρεις ακριβώς από αυτά που ισχυρίζεσαι ότι "σου αξίζουν" πηγαίνοντας σε μια πορεία;

παντως στο "δεν ειναι η ωρα να τιμησουμε το πολυτεχνειο εν μεσω πανδημιας" δικιο εχουν οι δεξιοι

ωρα ειναι να τους παρει ο διαολος με τα κοψε-ραψε στο ΕΣΥ και τον κοσμο να κλεινεται στο σπιτι στο λιγοτερο επιβαρυμενο, αριθμητικα, σταδιο της πανδημιας σε σχεση με ολη σχεδον την υπολοιπη ευρωπη. γιαυτο και το μονο νοημα σε μια τετοια πορεια θα ηταν η εναντιωση στην κρατικη διαχειριση του κοβιντ

ολες πλεον οι κινησεις τους ειναι σπασμωδικες. αυτο δε σημαινει οτι και απο την μερια οσων δηλωνουν πως θα κατεβουν στο δρομο, δεν υπαρχουν οι χρησιμοι ηλιθιοι αρνητες μασκας και μετρων γενικοτερα. γιαυτο και με προβληματιζει εμενα προσωπικα η πορεια.

()

άλλη μια κίνηση πανικού:
https://www.koutipandoras.gr/article/ektakti-anakoinosi-tis-astynomias

φωτογραφίζει την 17 νοέμβρη απαγορεύει υπαίθριες συγκεντρώσει για μόνο 4 μέρες (ποιό μέτρο για τον ιό έχει διάρκεια 4 ημερών;). η ΝΔ είναι σε πανικό έχει χάσει όλο το ακροατήριό της, αυτούς που την ψήφιζαν για την Μακεδονία, την μεσαία τάξη που θα στήριζε προεκλογικά, τους ακροδεξιούς που την ψήφιζαν γιατί "δεν άντεχαν άλλο με την μεταναστευτική πολιτική του ΣΥΡΙΖΑ" κλπ. το μόνο που της έχει απομείνει να κάνει πράξη πλέον για να σώσει το 1% των προεκλογικών της δεσμεύσεων είναι η καταστολή, είναι η ενίσχυση της αστυνομίας. και αυτό προσπαθεί να κάνει. κάτι που ούτως η άλλως είναι παραδοσιακά στο dna της δεξιάς. για όποιον χρησιμοποιεί τουίτερ τα μόνα "μπράβο" που έπαιξαν τις τελευταίες μέρες προς την ΝΔ είναι από κάποιους δεξιούς που χάρηκαν με τις συλλήψεις μέσα στο Πολυτεχνείο.
ας αναρωτηθεί ο καθένας έχει καμία εμπιστοσύνη ότι αυτά τα μέτρα αντιμετωπίζουν το πρόβλημα η μπάζουν από παντού;
ο κόσμος έκανε μια χαρά προσπάθεια και έδωσε χρόνο στο πρώτο λοκντάουν για να παρθούν ουσιαστικά μέτρα. αντ αυτού βλέπει κάθε μέρα τον άδωνι να προσπαθεί να πάρει πίσω τη δήλωση για το ότι φταίει ο τουρισμός και τώρα να λέει ότι "οι επιστήμονες μας είχαν πει ότι το καλοκαίρι ο ιος θα είναι πιο αδύναμος επειδή θα έχει υψηλές θερμοκρασίες πράγμα το οποίο εν τέλει δε συνέβη" Ο ΑΔΩΝΙΣ ΝΑ ΚΡΑΖΕΙ ΕΠΙΣΤΗΜΟΝΕΣ ΓΙΑ ΚΑΤΙ ΠΟΥ ΔΕΝ ΕΙΠΑΝ!
επιπλέον τις τελευταίες μέρες έχουμε:
-συλλήψεις και πρόστιμα στο κάτω πολυτεχνείο στην αθήνα
-συλλήψεις και πρόστιμα στην πολυτεχνειούπολη στην αθήνα που πάνε να φορτώσουν ζημίες που έκαναν οι ίδιοι οι μπάτσοι
-ξύλο συλλήψεις και πρόστιμα στην πάτρα σε όσους έκαναν συγκέντρωση αλληλεγγύης στους της αθήνας
-συλλήψεις σε μέλη αριστερών οργανώσεων που τηρούσαν τα μέτρα και μοίραζαν φυλλάδια για το πολυτεχνείο στην αριστοτέλους
-κατα τη διάρκεια της γενικής συνέλευσης των εστιακών που γινόταν σε εξωτερικό χώρο με αποστάσεις και μάσκες σκάσανε ΜΑΤ ευτυχώς αποχώρησαν μετά από λίγο
-στην καρδίτσα και στην κρήτη καλούν κόσμο που έγραψε στο facebook για την πορεία της 17ν κάλεσμα να πάει στην αστυνομία να καταθέσει
-βίαιη σύλληψη 15χρονου σε πλατεία της καρδίτσας σε έλεγχο για μάσκα υπάρχει και βίντεο.
όσα γράφω παραπάνω υπάρχουν με απλό γκουγκλάρισμα επειδή βαριέμαι να παραθέτω links τώρα. όλα αυτά αφορούν 2 μέρες 13-14 νοέμβρη και αποδεικνύουν ένα πράγμα: ότι η ΝΔ βρίσκεται σε πανικό και προσπαθεί να κρατήσει το ακροατήριο που της έχει απομείνει με την καταστολή.

γι αυτό έχει νόημα και η 17 νοέμβρη. δεν είναι ούτε μια εθνική εορτή ούτε μια παρέλαση. είναι μια διαδήλωση.

edit Μπιγκόνια: fbclid removed

Κανείς δεν είπε ότι δεν έχει νόημα , απλά είπα την άποψη μου ότι φέτος για την δική σας υγεία δε πρέπει να γίνει εκτός και αν τηρηθούν μέτρα όπως αυτά που είπα παραπάνω. Δεν ζούμε σε κανονικές συνθήκες. Να το πούμε αλλιώς, αν είχαμε επιδημία πανούκλας ή χολέρας θα σκεφτόσαασταν να κατεβείτε σε πορεία ?
Φυσικά και είναι εμετική η καταστολή στην οποία καταφεύγει η πανικόβλητη κυβέρνηση. Και ψάχνει να ρίξει αλλού την βαρύτατη  ευθύνη του για τους νεκρούς ο Μητσοτάκης. Το έκανε και στο Εφετείο θα το ξανακάνει και τώρα, εν χορώ με εκατοντάδες τρολλ μετακλητώμ στο Μαξίμου.
Δεν απαγόρευσα κανέναν να κάνει ότι πιστεύει, είπα τι πιστεύω ότι ισχύει με βάσει όσα έχω δει για τον ιό.

Εγώ πάντως δε θα κάτσω να πεθάνω με σταυρωμένα χέρια. Πρέπει να απαιτήσουμε προσλήψεις γιατρών, πρέπει να απαιτήσουμε ΜΕΘ, πρέπει να απαιτήσουμε περισσότερα δρομολόγια στα ΜΜΣ. Όσοι λένε να διαδηλώσουμε για αυτά αφού τελειώσουν όλα, απλά κλαίω. Εσείς προσπαθήστε να σώσετε τον ασθενή αφού πεθάνει.

Επίσης, όπως είπε η ntinara, όποιος δεν υποστηρίζει την πορεία, υποστηρίζει την όλη κατάσταση. Το ανύπαρκο ΕΣΥ, τα ανύπαρκτα ΜΜΣ, τα εκκατομύρια στα κανάλια, την άρνηση της κυβέρνησης να πειράξει την εκκλησία και δημοτικά μέχρι την τελευταία στιγμή, τις μάσκες αερόστατα στα σχολεία, το ότι βλέπουμε συνέχεια πολιτικούς να φιλάνε παπάδες ή να είναι χωρίς μάσκα κτλ.

Απ ότι φαίνεται η συνέλευση πάει στον κάδο.
Οι εστιακοι έχουν κατάληψη 10 μέρες τώρα, αυτή τη στιγμή παίζει συνέλευση εκεί για την πορεία από φοιτητικές πολιτικές ομάδες, οποιο θέλει έρχεται

δεν είναι συνέλευση αυτό, δυστυχώς έχουμε ξεχάσει πως είναι οι συνελεύσεις μ αυτά και μ αυτά...

Μα ρε παιδιά στις παρελάσεις γιατί δεν είπατε τίποτα και τώρα μας τα πρίζετε από το πρωί μέχρι το βράδυ ;Τότε δεν είχαμε χούντα ,μόνο τώρα έχουμε ; Μήπως ΚΑΙ οι παρελάσεις είναι φασιστικές; Τι σχέση έχει η πορεία με τις ΜΕΘ μόνο εσείς το ξέρετε πάλι .

()

Η πορεία (που είναι κατά να γίνει άμα δεν παρουν μέτρα, αλλά άμα πάρουν και θα μπορούσα να πάρω και εγώ θα πήγαινα) είναι για να διεκδικήσεις τα δικαιώματα σου και μια καλύτερη ζωή για όλους. Το κομμάτι του να τιμήσεις τους αγωνιστές και τους πεσόντες του '73 είναι εκτός. Αν ήταν να γίνει η πορεία για αυτό μόνο τότε ναι, να μην γίνει καθώς μπορεί να γίνει και από το σπίτι όπως έγινε και με το Πασχα και την 28η.

^facepalm^
Αρνούμαι να χάσω κι άλλα δευτερόλεπτα για το τι συμβαίνει στο κρανίο σου.

Ναι όπως κάθε χρόνο όταν γίνεται η πορεία της 17 Νοέμβρη, τα ΜΜΕ του Κούλη και του Μαρινάκη λένε και αναλυτικά τα αιτήματα της πορείας και ενημερώνεται ο κόσμος για το τι αιτήματα έχει η πορεία.
Είπα οτι πιστεύω οτι δε πρέπει να γίνει η πορεία ειδικά και μόνο φέτος γιατί το πιθανότερο - σχεδόν σίγουρο είναι οτι δεν θα τηρούνται οι απαραίτητες αποστάσεις ώστε να μη γίνει καμιά μετάδοση.
Αν τηρηθούν μεγαλύτερες (δλδ πάνω από 3 μέτρα) αποστάσεις από αυτές που προτείνουν οι "ειδικοί" που επέλεξε η κυβέρνηση, δλδ 2 μέτρα, και καταφέρει ένα πλήθος να διαδηλώσει με τέτοιες αποστάσεις τότε να γίνει και μάλιστα θα τους παραδεχτούν όλοι, θέλουν δε θέλουν, όπως έγινε και με τη διαδήλωση του ΠΑΜΕ την Πρωτομαγιά. ΤΙ ΔΕ ΚΑΤΑΛΑΒΑΙΝΕΙΣ?
Όλα τα άλλα αιτήματα που λες τα έχω γράψει πολύ πριν από σένα. Οπότε οι σπόντες αλλού. Που θα μου πεις οτι σιωπώ κιόλας.

Μπορείτε να κάνετε μια γαμάτη πορεία με απόλυτη τήρηση των αποστάσεων 3 μέτρων (και όλοι ανεξαιρέτως εννοείται μάσκες)? Ναι ή όχ ΑΠΛΑ ΠΡΑΓΜΑΤΑ λέω.
Και για έναν ακόμα λόγο οι αποστάσεις είναι το κρίσιμο : Γιατί στην εντελώς δικτατορικής λογικής διαταγή σε ΦΕΚ (!!!!) του Αρχηγού της Αστυνομίας λέει οτι απαγορεύονται οι πορείες για τη διασφάλιση της δημόσιας υγείας - Αν λοιπόν κρατήσετε ΜΕΓΑΛΥΤΕΡΕΣ ΑΠΟΣΤΑΣΕΙΣ από όσες προτείνουν ο Τσιόδρας και η Επιτροπή ΔΕΝ ΘΑ ΜΠΟΡΕΙ ΝΑ ΣΤΗΡΙΧΤΕΙ και η κατηγορία οτι θέσατε σε κίνδυνο τη δημόσια υγεία, αφού κρατήσατε μεγαλύτερες αποστάσεις μεταξύ σας. Απλά πράγματα.

Οι παρελάσεις είναι εκδηλώσεις που τις οργανώνει το κράτος. Η 17 Νοέμβρη διοργανώνεται απο συλλόγους,  σωματεία,  μαζικούς φορείς,  οργανώσεις,  συλλογικότητες και δεν είναι μόνο μια συμβολική κατάθεση στεφάνων αλλά μια ΔΙΑΔΗΛΩΣΗ. Διαδήλωση με αιτήματα είτε πάντα επίκαιρα (όπως ψωμι παιδεία υγεία ελευθερία)  είτε και σύγχρονα αναλόγως την περίοδο (οπως προσλήψεις μόνιμου νοσηλευτικού προσωπικού και γιατρών επίταξη ΜΕΘ μαζικά δωρεάν τεστ για όλο το λαό κλπ)
Δεν ειναι τοσο δύσκολο να καταλάβει κανεις πως γινεται μια διαδηλωση να έχει αιτήματα αλλά μάλλον δεν εχεις παει και ποτέ

Και για ποιον λόγο έχετε συνδέσει αυτά που ισχυρίζεστε ότι δικαιουστε με το Πολυτεχνείο ; Τι σχέση έχει

Δεν μπορώ να καταλάβω γιατί προσπαθείς να παίξεις τοη ηλίθιο εδώ. Αλλά θα σε αφήσω να το σκεφτείς μόνος σου.

Δεν το παίζει, είναι ηλίθιος

Και δεν ΘΑ ΤΑ ΓΡΑΦΟΥΝ μετά την πορεία : Τα γράφουν ήδη - από τώρα . Eτοιμάζεται εδώ και μέρες ο μηχανισμός προπαγάνδας του Μαξίμου:

Από τώρα λέει ψυχοπαθείς !!!τους αριστερούς και αναρχικούς που ετοιμάζουν πορεία !!!

Τα λεφτά της Λίστας Πέτσα κάνουν τρομερή δουλειά.
Ξεράστε υπεύθυνα :
http://marketnews.gr/article/2543300/to-alanthasto-test-tou-koronoiou

Οι ψυχοπαθείς οι αναίσθητοι οι κουτοπόνηροι και οι απατεώνες της ΝΔ που είναι βουτηγμένοι όλοι και με τα 2 χέρια στα σκάνδαλα, κλασσικά κατηγορούν όλους τους άλλους με τα "χαρίσματά τους". Κρίνουν όπως πάντα εξ ιδίων τα αλλότρια.
Δικά του τα παρακάτω :
"Δυστυχώς έχουμε μπλέξει με "ανθρώπους" που καλούν σε διαδηλώσεις και πορείες, όταν ολόκληρη η χώρα "βράζει" από την πανδημία! Πώς να τους χαρακτηρίσει κάποιος που έχει καθαρό μυαλό και στοιχειώδη αντίληψη των πραγμάτων;  πώς τους χαρακτηρίζεις άραγε; Αναίσθητους; Ψυχοπαθείς; Ή, μήπως, κουτοπόνηρους και απατεώνες; Ως πιθανότερη εκδοχή φαντάζει η τελευταία. Ανθρώπινα όντα που ταυτίζονται ιδεολογικά με τις κτηνωδίες ομοϊδεατών τους πριν από επτά και πλέον δεκαετίες, γιατί να μην διστάσουν να τα παίξουν όλα για όλα αυτή τη στιγμή; Γιατί να μην επενδύσουν στο μπάχαλο; Γιατί να μη θέλουν να τα κάνουν όλα... Κούγκι, όταν μάλιστα για κάποιους από αυτούς ηχούν δυνατά τα σήμαντρα της διαφθοράς και των βρωμοδουλειών τους κατά την περίοδο άσκησης των κυβερνητικών τους καθηκόντων; Οι πολιτικοί "τιποτάκηδες" δεν τις αφήνουν τέτοιες ευκαιρίες να πάνε χαμένες. Πιστεύουν ότι κάτι θα βγάλουν, χωρίς ωστόσο, να έχουν αντιληφθεί ότι το περιβάλλον και το τερέν είναι εντελώς διαφορετικά. "

 ^puke^ ^puke^ ^puke^ ^puke^

Ούτε ο Kiroi Senko να το έγραφε. Προφανώς οι "κτηνωδίες" ήταν οτι νίκησαν τους Ναζί του Χίτλερ... ή έριξαν (και καλά έκαναν) τους προδότες συνεργάτες των ναζί τους γερμανοτσολιάδες στην Πηγάδα και του τσούζει πολύ του άθλιου κρυφοναζί.

Εδώ είσαι λάθος. Το γεγονός ότι κάποιος μπορεί να μην καταλαβαίνει τα κοινωνικά θέματα, δεν τον κάνει ηλίθιο, αλλά κοινωνικά ηλίθιο. Σε άλλους τομείς της ζωής του μπορεί να μην είναι.

 ^off-topic^

Ρε συ, χεστηκαμε τι γραφουν και τι λενε. Αν το καναμε δεν θα κατεβαιναμε σε πορειες χρονια τωρα. Ή θα κατεβαιναμε δια "αντιπροσώπων", όπως θα κανουν ΣΥΡΙΖΑ και ΜεΡα 25


Δεν το αποκαλω ηλιθιο επειδη δεν κατανοει τα κοινωνικα θεματα, δες λιγο τον τροπο που απευθυνεται σε ολο το topic και νομιζω θα καταλαβεις

edit Μπιγκόνια: merged answers

Δεν με νοιάζει τόσο τι θα σούρνουν στους πάντες οι νεοφιλελέδες αλλά οτι αν κολλήσεις εσύ πχ τον ιό στην πορεία, θα τον μεταδώσεις σε 1-2 άλλους, κ.ο.κ. και μετά από μήνες αυτοί θα είναι δεκάδες ή εκατοντάδες, οπότε στους 100 οι 2 θα έχουν πεθάνει. Αυτό το καταλαβαίνεις? Όλη η επιδημία από 1 (έναν) άνθρωπο ξεκίνησε και μετράει 54.755.172 κρούσματα και 1.323.352 νεκρούς και αυτά είναι τα επίσημα καταγεγραμμένα που είναι το 1/5 ή το 1/10 ή το 1/30 ή το 1/50ό από τα πραγματικά κρούσματα. Το μόνο σίγουρο στατιστικό είπαμε είναι οι θάνατοι. Πάνω από 1000 στην Ελλάδα.
Καταλαβαίνεις πόσο σημαντικό είναι όχι το αν θα κάνετε ή όχι πορεία αλλά το αν θα κρατήσετε αποστάσεις 3 και όχι 2 μέτρων σε περίπτωση που κάνετε φορώντας εννοείται καλές μάσκες και όχι τις υφασμάτινες που δεν κάνουν και τίποτα σχεδόν?. Πάνω σε αυτό φυσικά βασίζεται η γκεμπελίστικη προπαγάνδα και του άρθρου και η απαγόρευση της πορείας από τον Αρχηγό της Αστυνομίας. Ξεφτιλίστε τον τον χουντοφασίστα καραγκιόζη της ΕΛΑΣ. Στο χέρι σας είναι. Αλλά αν δεν τηρήσετε τις αποστάσεις θα σας βρίζουν και θα σας κατηγορούν για επιπλέον νεκρούς και δυστυχώς για το 2ο θα έχουν και δίκιο.