Cleaning and Disinfectant Chemical Exposures and Temporal Associations with COVID-19 — National Poison Data System, United States, January 1, 2020–March 31, 2020
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
On January 19, 2020, the state of Washington reported the first U.S. laboratory-confirmed case of coronavirus disease 2019 (COVID-19) caused by infection with SARS-CoV-2 (1). As of April 19, a total of 720,630 COVID-19 cases and 37,202 associated deaths* had been reported to CDC from all 50 states, the District of Columbia, and four U.S. territories (2). CDC recommends, with precautions, the proper cleaning and disinfection of high-touch surfaces to help mitigate the transmission of SARS-CoV-2 (3). To assess whether there might be a possible association between COVID-19 cleaning recommendations from public health agencies and the media and the number of chemical exposures reported to the National Poison Data System (NPDS), CDC and the American Association of Poison Control Centers surveillance team compared the number of exposures reported for the period January-March 2020 with the number of reports during the same 3-month period in 2018 and 2019. Fifty-five poison centers in the United States provide free, 24-hour professional advice and medical management information regarding exposures to poisons, chemicals, drugs, and medications. Call data from poison centers are uploaded in near real-time to NPDS. During January-March 2020, poison centers received 45,550 exposure calls related to cleaners (28,158) and disinfectants (17,392), representing overall increases of 20.4% and 16.4% from January-March 2019 (37,822) and January-March 2018 (39,122), respectively. Although NPDS data do not provide information showing a definite link between exposures and COVID-19 cleaning efforts, there appears to be a clear temporal association with increased use of these products.
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.
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 | 0,001 | 0,001 |
| 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 découle