Allergenic Ingredients in Health Care Hand Sanitizers in the United States
Notice bibliographique
Résumé
BACKGROUND: Health care workers with occupational contact dermatitis often attribute their symptoms to frequent use of alcohol-based hand sanitizers. However, ingredient lists are difficult to obtain, and safe alternatives typically must accommodate brands utilized by a particular hospital system. OBJECTIVE: The aims of this study were to investigate allergenic ingredients present within health care hand sanitizers and to provide a comprehensive product list to assist with allergen avoidance. METHODS: Five major hospitals in Minnesota and 20 hospitals across the United States were called to obtain a product list. The National Library of Medicine's DailyMed Web site was searched to retrieve ingredients. Ingredients were compared with the American Contact Dermatitis Society 2017 Core Allergen Series and cross-reactors. RESULTS: The most common brands included Purell, Ecolab, DebMed, and Avagard. Active ingredients consisted of ethyl alcohol (85.0%), benzalkonium chloride (8.8%), or isopropyl alcohol (2.5%). Top 5 allergens included tocopherol (51.3%), fragrance (40.0%), propylene glycol (27.5%), benzoates (25.0%), and cetyl stearyl alcohol (12.5%). Four sanitizers were free of all American Contact Dermatitis Society allergens; 15 products contained only tocopherol or propylene glycol as allergens. CONCLUSIONS: We identified 19 low-allergen hand sanitizers within the most common brands utilized by US hospital systems. This product list will be useful for patients and health care workers seeking allergen avoidance.
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 ».