Disinfection methods of dental unit waterlines contamination: a systematic review
Notice bibliographique
Résumé
Background. Severe contamination of dental unit waterlines was found in healthcare settings. The benefits of decontamination methods are controversial. The aim of this review was to systematically evaluate disinfection methods in contamination control of dental unit waterlines. Methods. The terms ‘dental unit waterline(s) or DUWL(s) or dental unit water line(s)’ were searched through PubMed, Cochrane Library, Embase, Web of Science and Scopusup to 31 May 2021. The DUWLs’ output water was incubated on R2A agar at 20–28 °C for 5–7 days to evaluate heterotrophic mesophilic bacteria. The risk of bias was evaluated by a modified Newcastle-Ottawa quality assessment scale. Results. Eighteen papers from the literature were included. One study indicated that water supply played a crucial role in disinfecting DUWLs. Three studies indicated that flushing decreased bacteria counts but did not meet the American CDC standard (500 c.f.u. ml −1 ). All chlorine- and peroxide-containing disinfectants except sodium hypochlorite in one of 15 studies as well as three mouthrinses and citrus botanical extract achieved the standard (≤500 c.f.u. ml −1 ). The included studies were of low (1/18), moderate (6/18) and high (11/18) quality. Conclusion. Independent water reservoirs are recommended for disinfecting DUWLs using distilled water. Flushing DUWLs should be combined with disinfections. Nearly all the chlorine-, chlorhexidine- and peroxide-containing disinfectants, mouthrinses and citrus botanical extract meet the standard for disinfecting DUWLs. Alkaline peroxide would lead to tube blockage in the DUWLs. Regularly changing disinfectants can reduce the risk of occurrence of disinfectant-resistant strains of microbes.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».