Detection of SARS CoV-2 contamination in the Operating Room and Birthing Room Setting: Risks to attending health care workers
Notice bibliographique
Résumé
ABSTRACT Background The exposure risks to front-line health care workers who are in close proximity for prolonged periods of time, caring for COVID-19 patients undergoing surgery or obstetrical delivery is unclear. Understanding of sample types that may harbour virus is important for evaluating risk. Objectives To determine if SARS-CoV-2 viral RNA from patients with COVID-19 undergoing surgery or obstetrical care is present in: 1) the peritoneal cavity of males and females 2) the female reproductive tract, 3) the environment of the surgery or delivery suite (surgical instruments, equipment used, air or floors) and 4) inside the masks of the attending health care workers. Methods The presence of SARS-CoV-2 viral RNA in patient, environmental and air samples was identified by real time reverse transcriptase polymerase chain reaction (RT-PCR). Air samples were collected using both active and passive sampling techniques. Results In this multi-centre observational case series, 32 patients with COVID-19 underwent urgent surgery or obstetrical delivery and 332 patient and environmental samples were collected and analyzed to determine if SARS-CoV-2 RNA was present. SARS-CoV-2 RNA was detected in: 4/24(16.7%) patient samples, 5/60(8.3%) floor, 1/54(1.9%) air, 10/23(43.5%) surgical instruments/equipment, 0/24 cautery filters and 0/143 inner surface of mask samples. Conclusions While there is evidence of SARS-CoV-2 RNA in the surgical and obstetrical operative environment (6% of samples taken), the finding of no detectable virus inside the masks worn by the medical teams would suggest a low risk of infection for our health care workers using appropriate personal protective equipment (PPE).
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 | 0,001 | 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 | 0,001 |
| 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 ».