Risk factors and protective measures for healthcare worker infection during highly infectious viral respiratory epidemics: A systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: To investigate risk factors for healthcare worker (HCW) infection in viral respiratory pandemics: severe acute respiratory coronavirus virus 2 (SARS-CoV-2), Middle East respiratory syndrome (MERS), SARS CoV-1, influenza A H1N1, influenza H5N1. To improve understanding of HCW risk management amid the COVID-19 pandemic. DESIGN: Systematic review and meta-analysis. METHODS: We searched MEDLINE, EMBASE, CINAHL, and Cochrane CENTRAL databases from conception until July 2020 for studies comparing infected HCWs (cases) and noninfected HCWs (controls) and risk factors for infection. Outcomes included HCW types, infection prevention practices, and medical procedures. Pooled effect estimates with pathogen-specific stratified meta-analysis and inverse variance meta-regression analysis were completed. We used the GRADE framework to rate certainty of evidence. (PROSPERO no. CRD42020176232, 6 April 2020.). RESULTS: In total, 54 comparative studies were included (n = 191,004 HCWs). Compared to nonfrontline HCWs, frontline HCWs were at increased infection risk (OR, 1.66; 95% CI, 1.24-2.22), and the risk was greater for HCWs involved in endotracheal intubations (risk difference, 35.2%; 95% CI, 21.4-47.9). Use of gloves, gown, surgical mask, N95 respirator, face protection, and infection training were each strongly protective against infection. Meta-regression showed reduced infection risk in frontline HCWs working in facilities with infection designated wards (OR, -1.04; 95% CI, -1.53 to -0.33, P = .004) and performing aerosol-generating medical procedures in designated centers (OR, -1.30; 95% CI, -2.52 to -0.08; P = .037). CONCLUSIONS: During highly infectious respiratory pandemics, widely available protective measures such as use of gloves, gowns, and face masks are strongly protective against infection and should be instituted, preferably in dedicated settings, to protect frontline HCW during waves of respiratory virus pandemics.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,044 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».