Notice bibliographique
Résumé
Background: Saudi Arabia was first to report MERS-CoV in the middle east region in 2012. Several outbreaks had occurred since that time and still occur. In August,2017 an outbreak of MERS-CoV at Al-Jouf province in Saudi Arabia possibly linked to an index case who admitted to hospital while infectious. Objective: A team of Saudi field epidemiology training program was responsible to investigate the outbreak, to determine causes and to prevent recurrence. Methods: List of cases were obtained from hospital administration. Information was collected by interviewing infection control team, outbreak team at hospital, local MERS-CoV coordinator and by observing most relevant sections at hospital. Results: A total of 13 cases of MERS CoV infection were reported at Domat Al-Jandal hospital. Of these 13 cases, 8 cases were health care workers (3 physicians and 5 nurses), 3 cases were contacts cases of the index case. Most of cases acquired infection by person to person transmission at male medical ward and intensive care unit, only 3 contacts cases may get infected when they brought the primary case to hospital. Attack rate among physicians was 12% and among nurses was 9.8%. We found that late diagnosis, improper isolation of patients and non-compliance on infection control protocols are the leading causes of spread of the infection. Conclusions: Sorting and examining patients carefully at triage and emergency before admission to hospital, adhering to infection control protocols, applying effective isolation measures are a must in the way to stop or prevent any MERS-CoV infection at hospitals.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».