Disinfection efficacy studies on three different disinfection methods in health care facilities by ATP method
Notice bibliographique
Résumé

 Objectives: Nosocomial infection has always been a significant topic in the field of public health. The disinfection procedures involved in health care facilities are extremely important to prevent potential transmission of diseases. Therefore, this study was performed to compare the disinfection efficacy between three different disinfection methods (Accel wipes, Hubscrub industrial washer, and Steam vapor) on three pieces of non-critical medical equipment: wheelchairs, mattresses and bath chairs. Methods: The method used to evaluate the disinfection efficacy compared the reduction of contaminants count in the relative light unit using ATP monitoring methods. 30 samples of each of the three types of medical equipment were swabbed pre-disinfection and post-disinfection using the three disinfection methods. The recorded reduction number was then converted using log transformation. Statistical analysis was conducted using NCSS to assess differences between the disinfection methods. Results: The mean log-reduction of disinfection for Accel wipes, Hubscrub, and steam vapor were 1.067, 1.490, and 1.485 respectively. Steam vapor and Hubscrub displayed statistically significantly better disinfection efficacy compared to Accel wipes in terms of log reduction (overall p=0.000002). Conclusion: Hubscrub and steam vapor are better disinfectants compared to Accel wipes in terms of mean log reduction values; however, all three disinfection methods demonstrated effectiveness when cleaning and disinfecting non-critical medical equipment. For critical medical equipment, steam vapor and Hubscrub industrial washing are effective while Accel wipes do not meet the standards of high-level disinfection. As a result, combination usages of all three disinfection methods are recommended at health care facilities based on the categories of the medical equipment.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».