Removal of Aerosolized Contaminants from Working Canines via a Field Wipe-Down Procedure
Notice bibliographique
Résumé
Evidence-based canine decontamination protocols are underrepresented in the veterinary literature. Aerosolized microbiological and chemical contaminants can pose a risk in deployment environments highlighting the need for improved canine field decontamination strategies. Prior work has established the efficacy of traditional, water-intensive methods on contaminant removal from the coat of the working canine; however, it is not known if similar reductions can be achieved with simple field expedient methods when resources are limited. The objective of this study was to measure the reduction of aerosolized contamination via a practical “wipe-down” procedure performed on working canine coats contaminated with a fluorescent, non-toxic, water-based aerosol. Disposable, lint-free towels were saturated with one of three treatments: water, 2% chlorhexidine gluconate scrub (CHX), or 7.5% povidone-iodine scrub (PVD). Both CHX and PVD were diluted at a 1:4 ratio. Treatments were randomly assigned to one of three quadrants established across the shoulders and back of commonly utilized working dog breeds (Labrador retrievers, n = 16; German shepherds, n = 16). The fourth quadrant remained unwiped, thus serving as a control. Reduction in fluorescent marker contamination was measured and compared across all quadrants. PVD demonstrated greater marker reduction compared to CHX or water in both breeds (p < 0.0001). Reduction was similar between CHX or water in Labradors (p = 0.86) and shepherds (p = 0.06). Effective wipe-down strategies using common veterinary cleansers should be further investigated and incorporated into decontamination practices to safeguard working canine health and prevent cross-contamination of human personnel working with these animals.
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) | 0,001 | 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 ».