Efficiency of coronavirus inactivation on environmental surfaces: A comparison study of two available disinfectants
Notice bibliographique
Résumé
Background: There are many coronaviruses of significant medical and veterinary concern, all of which are the result of spillover from another species. Disinfection of healthcare and veterinary environments is an important factor in limiting the transmission of coronaviruses. Disinfection agents for coronaviruses use bleach, quaternary compounds, hydrogen peroxide, and sodium hydroxide. Product labels list contact times that range from 10-30 minutes for total inactivation. Decon7 is a combination disinfectant that is currently used in the food and agriculture, medical facilities, and other industries. While Decon7 has been shown to inactivate a variety of pathogens and disrupt biofilms, its effectiveness and rate of coronavirus inactivation has not been evaluated.Objective: This project sought to evaluate Decon7’s effectiveness and rate of coronavirus inactivation.Methods: This study evaluated the disinfection efficacy of Decon7 (diluted at 1:4) and bleach (diluted at 1:10) after 3 coronaviruses (SARS-CoV-2, HCoV OC43, and HCoV NL63) were inoculated onto up to sixteen environmental surface materials.Results: A 1:4 dilution of Decon7 inactivated all coronaviruses on all surfaces with 1 minute contact time. A 1:10 dilution of bleach was not effective in inactivating coronaviruses with a contact time of 1 minute on all surfaces.Conclusions: New technologies and chemistries may offer more efficient inactivation of pathogens on environmental surfaces. These disinfection methods and materials, which require less than 10 minutes contact time, may improve the efficacy of cleaning and disinfecting surfaces in the built environment.
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 ».