Efficacy of washing produce in removing human coronavirus OC43 and murine norovirus
Notice bibliographique
Résumé
AIMS: Fresh produce is often a vehicle for the transmission of foodborne pathogens such as human norovirus. Thus, it is recommended to wash the surface of produce before consumption, and one of the most common ways to wash produce is by rinsing under running tap water. This study determined the effectiveness of removal of human coronavirus-OC43 (HCoV-OC43), as a surrogate for severe acute respiratory syndrome coronavirus-2 (SARS-CoV-2) and murine norovirus-1 (MNV-1), as a surrogate for human norovirus, from contaminated lettuce, apples and cucumbers. METHODS AND RESULTS: The produce surfaces were artificially inoculated in conjunction with faecal material to represent natural contamination. Rinsing under tap water for 10 s at 40 ml/s removed 1.94 ± 0.44, 1.42 ± 0.00 and 1.42 ± 0.42 log of HCoV-OC43 from apple, cucumber and lettuce respectively. The same washing technique removed 1.77 ± 0.17, 1.42 ± 0.07 and 1.79 ± 0.14 log of MNV-1 from apple, cucumber and lettuce respectively. This washing technique was effective at reducing a significant amount of viral contamination, however, it was not enough to eliminate the entire contamination. There was no significant difference in the reduction of viral load between the two viruses, nor between the three surfaces tested in this study. CONCLUSIONS: Our data suggest that washing under tap water would be an efficient way of reducing the risk of foodborne viral transmission only if the level of contamination is less than 2 log PFU. SIGNIFICANCE AND IMPACT OF STUDY: This study demonstrates that running tap water was effective at reducing the amount of infectious HCoV-OC43 and MNV on produce surfaces, and washing produce continues to be an important task to perform prior to consumption to avoid infection by foodborne viruses, particularly for foods which are eaten raw.
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 | 0,000 |
| 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 ».