Surveillance of laboratory exposures to human pathogens and toxins: Canada 2017
Notice bibliographique
Résumé
BACKGROUND: , the Public Health Agency of Canada (PHAC) is mandated with monitoring laboratory incident notifications through the Laboratory Incident Notification Canada (LINC) surveillance system. The year 2017 marks the second complete year of data. OBJECTIVE: To describe the laboratory exposure and laboratory-acquired infection incidents that occurred in Canada in 2017 by sector, human pathogens and toxins involved, number of affected persons, incident type and root causes. METHODS: The incidents included in the analysis occurred between January 1 and December 31, 2017. They were reported by laboratories with active licences to PHAC through the LINC surveillance system. Microsoft Excel 2010 was used for basic descriptive statistics. RESULTS: (n=3; 7%) were the most frequently involved in reported exposure incidents. These two pathogens are both RG3 and security-sensitive biological agents (SSBAs). An average of 2.3 root causes were identified per incident (n=101). Problems with standard operating procedures (SOPs) and human error were the two most common causes. CONCLUSION: The incidence of laboratory exposure incidents was relatively low in 2017. The most common route of exposure was through inhalation and the most common root causes were problems with SOPs and human error. Since this is a new surveillance system, baseline estimates are still being established.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».