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 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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,006 |
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 ».