Reprocessing N95 Respirators During the COVID-19 Pandemic: Moist Heat Inactivates SARS-CoV-2 and Maintains N95 Filtration
Notice bibliographique
Résumé
Abstract Background The unprecedented demand and consequent global shortage of N95 respirators during the COVID-19 pandemic have left frontline workers vulnerable to infection. To potentially expand the supply, we validated a rapidly applicable low-cost decontamination protocol in compliance with regulatory standards to enable the safe reuse of personalized, disposable N95-respirators. Methods Four common models of N95-respirators were disinfected for 60 minutes at 70°C either at 0% or 50% relative humidity (RH). Effective inactivation of SARS-CoV-2 and E. coli was evaluated in inoculated masks. The N95 filter integrity was examined with scanning electron microscopy. The protective function of disinfected N95 respirators was tested against US NIOSH standards for particle filtration efficiency, breathing resistance and respirator fit. Results A single heat treatment inactivated both SARS-CoV-2 (undetectable, detection limit: 100 TCID50/ml) and E. coli (0 colonies at 50%RH) in all four respirator models. Even N95-respirators that underwent ten decontamination cycles maintained their integrity and met US-governmental criteria for approval regarding fit, filtration efficiency and breathing resistance. Scanning electron microscopy demonstrated maintained N95 fiber diameter compared to baseline. Interpretation Thermal disinfection enables large-scale, low cost decontamination of existing N95 respirators using commonly sourced equipment during the COVID-19 pandemic. This process could be used in hospitals and long term care facilities and also provides a feasible approach to expand the N95 supply in low- and middle-income regions.
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 | 0,001 | 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 | 0,001 |
| 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 ».