APPROCCIO DATA-DRIVEN ALLA VALUTAZIONE DELL’INDOOR AIR QUALITY NEGLI AMBIENTI LAVORATIVI: INTEGRAZIONE DI SENSORI LOW-COST E PERCEZIONE DEL COMFORT

INTRODUZIONE È risaputo che i sensori di Indoor Air Quality (IAQ), anche quelli considerati “low-cost”, hanno un ruolo strategico nella promozione della salute; infatti, attraverso diverse modalità comunicano all’utente eventuali concentrazioni di inquinanti negli ambienti indoor (su rilevamento diretto o su base algoritmica). Nell’ambito della sanità pubblica ci si pone il seguente quesito: sono veramente efficaci tali rilevatori e possono influire sul miglioramento degli stili di vita? Proprio per questo motivo il lavoro di ricerca si è basato su una metodologia di analisi quali-quantitative dell’IAQ negli ambienti di lavoro. In particolare, il valore aggiunto della ricerca consiste nell'applicazione di un questionario qualitativo sul benessere degli utenti i cui esiti sono stati rapportati con analisi quantitative dei sensori low-cost di IAQ, spazi dipartimentali universitari ove è stato attivato un Living Lab. MATERIALI E METODI Il processo di ricerca è stato così suddiviso: - in riferimento agli esiti di una scoping review, è stato costruito un questionario da far compilare agli utenti e di supporto per il confronto con i dati quantitativi dei sensori; - applicazione della metodologia su diversi uffici con caratteristiche progettuali, dimensionali e ambientali differenti con il posizionamento dei rilevatori e la somministrazione dei questionari; - analisi quali-quantitative e correlazione dei dati; - definizione di buone pratiche sul comportamento degli utenti. RISULTATI Il lavoro di ricerca ha permesso di validare la metodologia e di verificare l’efficacia dei dispositivi low-cost, che comunicano attraverso un segnale luminoso la qualità di IAQ. L’attività di monitoraggio è stata condotta per circa 9 mesi (2 giorni al mese) su 10 uffici dipartimentali. Il data analysis ha fatto emergere risultati rilevanti in cui sono emerse differenze dettate dalle caratteristiche ambientali (dimensioni, esposizioni solari, sistemi di riscaldamento/raffrescamento, ecc.) e dai diversi stili di vita dei partecipanti, che hanno permesso di definire un decalogo di buone pratiche da suggerire per promuove corretti stili di vita. CONCLUSIONI Sebbene il data analysis non sia supportato da rilevatori ad alta performance, lo studio ha evidenziato diversi input per il miglioramento del comportamento e per promuovere salute, nonchè migliorare il comfort e il benessere degli occupanti in relazione all’aria che respirano. Le analisi in corso si stanno sviluppando piattaforme digitali basate sul machine learning per una raccolta funzionale dei dati con il supporto dell’AI.