Population Risk of Syringe Reuse: Estimating the Probability of Transmitting Bloodborne Disease
Notice bibliographique
Résumé
BACKGROUND: In 2008, the Medical Officer of Health at Alberta Health Services (Edmonton, Canada) was notified that, in some practice settings, a syringe was used to administer medication through the side port of an intravenous circuit and then the syringe, with residual drug, was used to administer medication to other patients in the same manner. This practice has been implicated in several outbreaks of bloodborne infection in hospital and clinic settings. METHODS: A risk assessment model was developed to predict the risk of a patient contracting a bloodborne viral infection from the practice. The risk of transmission was defined as the product of 5 factors: (1) the population prevalence of a specific bloodborne pathogen, (2) the probability of finding a viral bloodborne pathogen in an intravenous circuit, (3) the rate of syringe reuse, (4) the probability of causing disease given a bloodborne pathogen exposure, and (5) the susceptibility of the exposed person. RESULTS: The risk was modeled first with consistent use of the proximal port of the intravenous circuit. The risk of transmission of hepatitis B virus was approximately 12-53 transmission events per 1,000,000 exposure events for a range of practice probabilities (ie, frequency of the risk practice) from 20% to 80%, respectively. The risk of transmission of hepatitis C virus was approximately 1.0-4.3 transmission events per 1,000,000 exposure events for the same practice probability range, and the risk of transmission of human immunodeficiency virus was approximately 0.03-0.15 transmission events per 1,000,000 exposure events for the same practice probability range. The use of the distal port was associated with a 10-fold decrease in the risk. CONCLUSIONS: Practitioners must practice safe, aseptic injection techniques. The model presented here can be used to estimate the risk of disease transmission in situations where reuse has occurred and can serve as a framework for informing public health action.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».