Surface and Air Contamination With Severe Acute Respiratory Syndrome Coronavirus 2 From Hospitalized Coronavirus Disease 2019 Patients in Toronto, Canada, March–May 2020
Notice bibliographique
Résumé
BACKGROUND: We determined the burden of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) in air and on surfaces in rooms of patients hospitalized with coronavirus disease 2019 (COVID-19) and investigated patient characteristics associated with SARS-CoV-2 environmental contamination. METHODS: Nasopharyngeal swabs, surface, and air samples were collected from the rooms of 78 inpatients with COVID-19 at 6 acute care hospitals in Toronto from March to May 2020. Samples were tested for SARS-CoV-2 ribonucleic acid (RNA), cultured to determine potential infectivity, and whole viral genomes were sequenced. Association between patient factors and detection of SARS-CoV-2 RNA in surface samples were investigated. RESULTS: Severe acute respiratory syndrome coronavirus 2 RNA was detected from surfaces (125 of 474 samples; 42 of 78 patients) and air (3 of 146 samples; 3 of 45 patients); 17% (6 of 36) of surface samples from 3 patients yielded viable virus. Viral sequences from nasopharyngeal and surface samples clustered by patient. Multivariable analysis indicated hypoxia at admission, polymerase chain reaction-positive nasopharyngeal swab (cycle threshold of ≤30) on or after surface sampling date, higher Charlson comorbidity score, and shorter time from onset of illness to sampling date were significantly associated with detection of SARS-CoV-2 RNA in surface samples. CONCLUSIONS: The infrequent recovery of infectious SARS-CoV-2 virus from the environment suggests that the risk to healthcare workers from air and near-patient surfaces in acute care hospital wards is likely limited.
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 ».