0021 Sensitisation to rats and mice among laboratory staff and researchers
Notice bibliographique
Résumé
<h3>Objectives</h3> To identify modifiable factors associated with sensitisation to laboratory animals. <h3>Method</h3> Animal husbandry staff (group 1) and researchers (group 2) were recruited from a University animal facility together with health researchers not working with animals (group 3). Sensitisation was evaluated using skin prick tests to rat and mouse allergens. Current tasks, job history and demographic information were recorded. <h3>Results</h3> The 3 groups comprised: 57; 57; and 50 subjects. Among group 1, 88% were currently working with rats, and 88% with mice: 51% were sensitised to rat, 28% to mouse. In group 2 the numbers exposed were lower (75% rat, 58% mice) as was the rate of sensitisation (32% rat, 12% mouse). No one in group 3 was exposed or sensitised. Among those currently exposed, sensitisation to rat was associated with shaving of fur and disposal of soiled litter, and with less frequent use of female rats. Sensitisation to mice was higher in those with contact with mouse urine and saliva, but not related to specific tasks. In multiple regression models, sensitisation to rat was only associated with use of female rats (OR 0.25, 95% CI 0.01–0.64). Sensitisation to mouse was greater in women (OR 6.67, 1.20–36.98), those born on a farm (OR 4.65, 1.05–20.55) and with exposure to mouse saliva (OR 4.26, 1.23–14.76). <h3>Conclusions</h3> Exposures were highly correlated, making it difficult to identify specific modifiable risk factors. However it is of note that, since male rats use urine to mark territory, the greater use of exclusively female rats should serve to reduce sensitisation.
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.
Comment cette classification a été obtenuedéplier
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».