Mechanical Wiping Increases the Efficacy of Liquid Disinfectants on SARS-CoV-2
Notice bibliographique
Résumé
High-touch environmental surfaces are acknowledged as potential sources of pathogen transmission, particularly in health care settings where infectious agents may be readily abundant. Methods of disinfecting these surfaces often include direct application of a chemical disinfectant or simply wiping the surface with a disinfectant pre-soaked wipe (DPW). In this study, we examine the ability of four disinfectants, ethanol (EtOH), sodium hypochlorite (NaOCl), chlorine dioxide (ClO2), and potassium monopersulfate (KMPS), to inactivate SARS-CoV-2 on a hard, non-porous surface, assessing the effects of concentration and contact time. The efficacy of DPWs to decontaminate carriers spiked with SARS-CoV-2, as well as the transferability of the virus from used DPWs to clean surfaces, is also assessed. Stainless steel carriers inoculated with approximately 6 logs of SARS-CoV-2 prepared in a soil load were disinfected within 5 min through exposure to 66.5% EtOH, 0.5% NaOCl, and 1% KMPS. The addition of mechanical wiping using DPWs impregnated with these biocides rendered the virus inactive almost immediately, with no viral transfer from the used DPW to adjacent surfaces. Carriers treated with 100 ppm of ClO2 showed a significant amount of viable virus remaining after 10 min of biocide exposure, while the virus was only completely inactivated after 10 min of treatment with 500 ppm of ClO2. Wiping SARS-CoV-2-spiked carriers with DPWs containing either concentration of ClO2 for 5 s left significant amounts of viable virus on the carriers. Furthermore, higher titers of infectious virus retained on the ClO2-infused DPWs were transferred to uninoculated carriers immediately after wiping. Overall, 66.5% EtOH, 0.5% NaOCl, and 1% KMPS appear to be highly effective biocidal agents against SARS-CoV-2, while ClO2 formulations are much less efficacious.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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) | 0,002 | 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 ».