MétaCan
Menu
Retour à la cohorte
Enregistrement W2539182565 · doi:10.1515/pthp-2016-0016

Surface Contamination in a Teaching Hospital: A 6 Year Perspective

2016· article· en· W2539182565 sur OpenAlexaffabout
Christel Roland, Johann-François Ouellette-Frève, Caroline Aurelie Plante, Jean‐François Bussières

Notice bibliographique

RevuePharmaceutical Technology in Hospital Pharmacy · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueSafe Handling of Antineoplastic Drugs
Établissements canadiensCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesnon disponible
Mots-clésContaminationContext (archaeology)MedicineHazardous wasteLongitudinal studyEnvironmental healthFamily medicineWaste managementGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Objective: The aim of this paper is to review the surface contamination of three hazardous drugs within a teaching hospital and comment the different strategies put in place over the years in the context of these multicenter studies. Background: Many cross-sectional studies have been published about surface contamination with hazardous drugs in healthcare settings. Methods: This is a descriptive retrospective and longitudinal study. The study was conducted in a 500-bed mother-child university health center in Quebec, Canada. Results: A total of 72 samples (e. g. 36 in the pharmacy and 36 in outpatient care area) were obtained between 2010 and 2016 for a total of 216 analyses (three drugs/samples tested). The proportion of positive samples was 50 % (36/72) for cyclophosphamide, 32 % (23/72) for ifosfamide and 19 % (14/72) for methotrexate. The cyclophosphamide concentrations measured varied from undetectable to 400 pg/cm Conclusion: This study shows a longitudinal perspective of the surface contamination of hazardous drugs in a teaching mother-child hospital. Every hospital should review its annual scorecard of contamination with a longitudinal perspective to minimize drug contamination. It is possible to contain surface contamination with hazardous drugs with different strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,449
Écart entre enseignants0,405 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePharmaceutical Technology in Hospital PharmacyMême sujetSafe Handling of Antineoplastic DrugsTravaux en français237 207