Widespread Contamination of SARS-CoV-2 on Highly Touched Surfaces in Brazil During the Second Wave of the COVID-19 Pandemic
Notice bibliographique
Résumé
Although SARS-CoV-2 surface contamination has been investigated in health care settings, little is known about the SARS-CoV-2 surface contamination in public urban areas, particularly in tropical countries. Here, we investigated the presence of SARS-CoV-2 on high-touch surfaces in a large city in Brazil, one of the most affected countries by the COVID-19 pandemic in the world. A total of 400 surface samples were collected in February 2021 in the City of Recife, Northeastern Brazil. A total of 97 samples (24.2%) tested positive for SARS-CoV-2 by RT-qPCR using the CDC-USA protocol. All the collection sites, except one (18/19, 94.7%) had at least one environmental surface sample contaminated. SARS-CoV-2 positivity was higher in public transport terminals (47/84, 55.9%), followed by health care units (26/84, 30.9%), beach areas (4/21, 19.0%), public parks (14/105, 13.3%), supply centre (2/21, 9.5%), and public markets (4/85, 4.7%). Toilets, ATMs, handrails, playgrounds and outdoor gyms were identified as fomites with the highest rates of SARS-CoV-2 detection. Taken together, our data provide a real-world picture of SARS-CoV-2 dispersion in highly populated tropical areas and identify critical control points that need to be targeted to break SARS-CoV-2 transmission chains.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».