The efficacy of ATP removal on gym contact surfaces with disinfectant wipes
Notice bibliographique
Résumé

 Background: Gym equipment surfaces are known to harbor a range of contaminants due to the wide range of community use of the equipment. Certain gym equipment undergoes daily sanitation, however many other equipment surfaces do not. This study measures the levels of contamination on certain gym equipment surfaces at an educational institute gym facility and determines the contamination levels after disinfectant wipes are applied. Methods: The method to obtain the data was determined by the use of the Hygiena Systemsure II ATP analyzer in conjunction with Hygiena Ultrasnap ATP surface swabs. Gym equipment (barbells, dumbbells, machine handles, cable attachments) and other surfaces (benches, floor mats) were swabbed subsequently after a random gym patron had used the equipment to capture an accurate representation of the cleanliness of the surfaces. Disinfectant wipes were then applied to the same area before being swabbed again to determine contamination levels after disinfection. Results: The results demonstrated a statistically significant difference in the reduction of ATP levels with the use of disinfectant wipes with a p-value of 0.00001 at α=0.05. Alpha error was highly unlikely with a p-value being that low. Power was 99.9%, therefore there is a strong likelihood that we are correctly rejecting the null hypothesis. Conclusion: The study can conclude that disinfectant wipes do make a significant difference in surface cleanliness levels. Equipment that does not undergo routine cleaning such as the equipment used by the hands carry a much higher contamination rate than the body contact surfaces. Gym patrons should disinfect all body contact surfaces prior to use to reduce the risk of getting an infectious disease.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».