Surveillance of laboratory exposures to human pathogens and toxins: Canada 2018
Notice bibliographique
Résumé
BACKGROUND: . The year 2018 marks the third complete year of data. OBJECTIVE: To describe the laboratory exposure and laboratory-acquired infection incidents that occurred in Canada in 2018 compared to previous years, and then by sector, human pathogens and toxins involved, number of affected persons, incident type and root causes. METHODS: Laboratory incidents that occurred in 2018 were reported through the LINC system. The number of laboratory incidents, people exposed and laboratory-acquired infections were compared to previous years, then the incidents were analyzed by sector, human pathogen or toxin involved, the type of incident, people exposed, route of exposure and root causes. Microsoft Excel 2016 was used for descriptive analysis. RESULTS: In 2018, there were 89 exposure incidents to human pathogens and 235 people were exposed. There were five suspected and one confirmed laboratory-acquired infections. This was approximately twice the number of exposure incidents that were reported in 2017 (n=44) and 2016 (n=46). The highest number of exposure incidents occurred in the academic and hospital sectors, and the ratio of incidence to licences was the lowest in the private sector. The majority of incidents (n=50; 56%) involved Risk Group 2 human pathogens that were manipulated in a Containment Level 2 laboratory. Most exposures were related to sharps or procedures and the most common people exposed were laboratory technicians. Human interaction and standard operating procedures were the leading root causes. CONCLUSION: Although overall the annual incidence of laboratory exposures in Canada remains relatively low, the incidence was higher in 2018 than in previous years. Whether this is a true increase in incidence or an increase in reporting is not known at this time as 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 ».