Incidence of nontuberculous mycobacteria in four hot water systems using various types of disinfection
Notice bibliographique
Résumé
The objective of this study was to determine the incidence of nontuberculous mycobacteria (NTM) in hot water systems of 4 selected hospital settings. The hospitals provided the following types of disinfection for their hot water systems: hydrogen peroxide and silver, thermal disinfection, chlorine dioxide, and no treatment (control). In each building, 6 samples were collected from 5 sites during a 3 month period. NTM were detected in 56 (46.7%) of 120 samples; the CFU counts ranged from 10 to 1625 CFU/L. The detected NTM species were the pathogens Mycobacterium kansasii, Mycobacterium xenopi, and Mycobacterium fortuitum and the saprophyte Mycobacterium gordonae. The most common to be isolated was M. xenopi, which was present in 51 samples. The hot water systems differed significantly in the incidence of NTM. NTM were not detected in the system treated by thermal disinfection, and a relatively low incidence (20% positive samples) was found in the system disinfected with chlorine dioxide. However, a high incidence was found in the control system with no additional disinfection (70% positives) and in the system using hydrogen peroxide and silver (97% positives). Water temperatures above 50 degrees C significantly limited the occurrence of NTM.
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 | 0,001 | 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 ».