Decontamination of Common Healthcare Facility Surfaces Contaminated with SARS-CoV-2 using Peracetic Acid Dry Fogging
Notice bibliographique
Résumé
Background The SARS-Cov-2 pandemic has highlighted the urgent need for safe and effective surface decontamination methods, particularly in healthcare settings. Methods The effectiveness of peracetic acid (PAA) dry fogging in decontaminating common healthcare setting surfaces was evaluated after experimentally contaminating nine surfaces (stainless steel, latex painted wood, unsealed hardwood, melamine countertop, vinyl flooring, clear plastic, faux leather, computer keyboard button and smartphone touch screen) with more than 10 6 TCID 50 of SARS-CoV-2. Results When fumigated with PAA dry fog for an hour, no infectious SARS-CoV-2 virus was recovered from experimentally inoculated coupons of representing nine different surface types. In contrast, high titer recovery of infectious virus was demonstrated for corresponding untreated drying controls of the same materials. Conclusion Standard surface decontaminating processes, including sprays and wipes, are laborious and often cannot completely decontaminate sensitive electronic equipment. The ease of use, low cost and overall effectiveness of a PAA dry fogging suggest it should be considered for decontaminating settings, particularly intensive care units where severely ill SARS-CoV-2 patients are cared for.
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 | 0,000 |
| 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 | 0,000 | 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 ».