Characterization of Ebola Virus Risk to Bedside Providers in an Intensive Care Environment
Notice bibliographique
Résumé
BACKGROUND: The 2014-2016 Ebola outbreak in West Africa recapitulated that nosocomial spread of Ebola virus could occur and that health care workers were at particular risk including notable cases in Europe and North America. These instances highlighted the need for centers to better prepare for potential Ebola virus cases; including understanding how the virus spreads and which interventions pose the greatest risk. METHODS: We created a fully equipped intensive care unit (ICU), within a Biosafety Level 4 (BSL4) laboratory, and infected multiple sedated non-human primates (NHPs) with Ebola virus. While providing bedside care, we sampled blood, urine, and gastric residuals; as well as buccal, ocular, nasal, rectal, and skin swabs, to assess the risks associated with routine care. We also assessed the physical environment at end-point. RESULTS: Although viral RNA was detectable in blood as early as three days post-infection, it was not detectable in the urine, gastric fluid, or swabs until late-stage disease. While droplet spread and fomite contamination were present on a few of the surfaces that were routinely touched while providing care in the ICU for the infected animal, these may have been abrogated through good routine hygiene practices. CONCLUSIONS: Overall this study has helped further our understanding of which procedures may pose the highest risk to healthcare providers and provides temporal evidence of this over the clinical course of disease.
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) | 0,000 | 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 ».