Evaluation of N95 respirators, modified snorkel masks and low‐cost powered air‐purifying respirators: a prospective observational cohort study in healthcare workers
Notice bibliographique
Résumé
Disposable N95 respirator masks are the current standard for healthcare worker respiratory protection in the COVID-19 pandemic. In addition to shortages, qualitative fit testing can have low sensitivity for detecting poor fit, leading to inconsistent protection. Multiple groups have developed alternative solutions such as modified snorkel masks to overcome these limitations, but validation of these solutions has been lacking. We sought to determine if N95s and snorkel masks with attached high-efficiency filters provide consistent protection levels in healthcare workers and if the addition of positive pressure via an inexpensive powered-air purifying respirator to the snorkel mask would provide enhanced protection. Fifty-one healthcare workers who were qualitatively fitted with N95 masks underwent quantitative mask fit testing according to a simulated workplace exercise protocol. N95, snorkel masks with high-efficiency filters and snorkel masks with powered-air purifying respirators were tested. Respiratory filtration ratios were collected for each step and averaged to obtain an overall workplace protocol fit factor. Failure was defined as either an individual filtration ratio or an overall fit factor below 100. N95s and snorkel masks with high-efficiency filters failed one or more testing steps in 59% and 20% of participants, respectively, and 24% and 12% failed overall fit factors, respectively. The snorkel masks with powered-air purifying respirators had zero individual or overall failures. N95 and snorkel masks with high-efficiency filter respirators were found to provide inconsistent respiratory protection in healthcare workers.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».