Oral and Nasal Decontamination for COVID-19 Patients: More Harm Than Good?
Notice bibliographique
Résumé
To the Editor The recent article by Dexter et al1 provides much-needed guidance for anesthesiologists and other health care workers involved with the perioperative management of confirmed or suspected coronavirus disease 2019 (COVID-19) patients. The unprecedented nature of the pandemic has lead to confusion regarding the safest infection control and operating room management strategies. Furthermore, the evidence base is rapidly evolving or is extrapolated from historical experience, making best practices difficult to discern for frontline clinicians and institutional leaders. The review provided by Dexter et al1 gives a concise 5-step road map for evidence-based infection control in the operating room. Although many of the suggestions seem to have clear merit, the proposed method for patient decolonization may be counterintuitive.1 While some evidence exists for nasal decontamination in preventing surgical-site infection in Staphylococcus aureus carriers,2,3 they present no substantive evidence that nasal/oral decontamination would actually reduce viral transmission. Perhaps more importantly, application of nasal povidone-iodine could induce sneezing, paradoxically increasing the spread of aerosolized viral particles, and a chlorhexidine mouth rinse might also risk inducing coughing (or at the very least some expectoration) which could also increase the risk of contamination. The theoretical benefit of decolonization with preoperative nasal povidone-iodine and chlorhexidine mouth rinse needs to balance with the potential risk of inducing aerosolizing complications, such that one does not increase the risk they are attempting to mitigate. Duncan Maguire, MDDepartment of AnesthesiologyPerioperative and Pain MedicineUniversity of ManitobaWinnipeg, Manitoba, Canada[email protected]
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) | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».