Comparative evaluation of four hydrogen peroxide-based systems to decontaminate N95 respirators
Notice bibliographique
Résumé
Abstract Objective: Protocols designed to facilitate N95 filtering facepiece respirator (FFR) decontamination by commercial sterilization devices do not recommend that operators verify the device’s performance against pathogens deposited on FFRs. Here, we compared the treatment efficacy of 4 hydrogen peroxide-based systems that were authorized for N95 decontamination during the COVID-19 pandemic. Methods: Suspensions prepared from S. aureus ATCC 29213 and 44300, B. subtilis ATCC 6633, a vancomycin-resistant E. faecium isolate (VRE), E. coli ATCC 25922, and P. aeruginosa ATCC 27853 colonies were inoculated onto nine 1-cm 2 areas on a 3M 1805, 1860, 1860S, 1870+, 8210, 8110S, or 9105S FFR. Contaminated respirators were treated according to protocols recommended by the STERRAD 100NX, Bioquell Z-2, Sterizone VP4, or Clēan Works Mini systems. Decontamination efficacy was determined by comparing colony counts cultured from excised segments of treated and untreated FFR. Results: All devices achieved a 6-log reduction in bacterial burden and met FDA sterilization criteria. The Bioquell Z-2 device demonstrated 100% efficacy against both gram-positive and gram-negative organisms with all FFRs tested. Colonies of S. aureus ATCC 29213 and 44300 and VRE were cultivable from up to 9 (100%) of 9 STERRAD 100NX– and Sterizone VP4–treated segments. Viable B. subtilis ATCC 6633 organisms were recovered from 76.0% of STERRAD 100NX–treated FFR segments. Conclusions: Variability in decontamination efficacy was noted across devices and FFR types. gram-positive organisms were more difficult to completely eliminate than were gram-negative organisms. Prior to initiating FFR decontamination practices, institutions should verify the effectiveness of their devices and the safety of treated FFR.
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 | 0,006 | 0,003 |
| 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 | 0,000 |
| 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 ».