Examining factors that influence the effectiveness of cleaning antineoplastic drugs from drug preparation surfaces: A pilot study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Occupational exposure to antineoplastic drugs has been documented to result in various adverse health effects. Despite the implementation of control measures to minimize exposure, detectable levels of drug residual are still found on hospital work surfaces. Cleaning these surfaces is considered as one means to minimize the exposure potential. However, there are no consistent guiding principles related to cleaning of contaminated surfaces resulting in hospitals to adopt varying practices. As such, this pilot study sought to evaluate current cleaning protocols and identify those factors that were most effective in reducing contamination on drug preparation surfaces. Three cleaning variables were examined: (1) type of cleaning agent (CaviCide®, Phenokil II™, bleach and chlorhexidine), (2) application method of cleaning agent (directly onto surface or indirectly onto a wipe) and (3) use of isopropyl alcohol after cleaning agent application. Known concentrations of antineoplastic drugs (either methotrexate or cyclophosphamide) were placed on a stainless steel swatch and then, systematically, each of the three cleaning variables was tested. Surface wipes were collected and quantified using high-performance liquid chromatography-tandem mass spectrometry to determine the percent residual of drug remaining (with 100% being complete elimination of the drug). No one single cleaning agent proved to be effective in completely eliminating all drug contamination. The method of application had minimal effect on the amount of drug residual. In general, application of isopropyl alcohol after the use of cleaning agent further reduced the level of drug contamination although measureable levels of drug were still found in some cases.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle