Ozone treatment effectively eliminates SARS-CoV-2 from infected face masks
Notice bibliographique
Résumé
The current COVID-19 pandemic is causing profound health, economic, and social problems worldwide. The global shortage of medical and personal protective equipment (PPE) in specialized centers during the outbreak demonstrated the need for efficient methods to disinfect and recycle them in times of emergency. We have previously described that high ozone concentrations destroyed viral RNA in an inactivated SARS-CoV-2 strain within a few minutes. However, the efficient ozone dosages for active SARS-CoV-2 are still unknown. The present study aimed to evaluate the systematic effects of ozone exposure on face masks from hospitalized patients infected with SARS-CoV-2. Face masks from COVID-19 patients were collected and treated with a clinical ozone generator at high ozone concentrations in small volumes for short periods. The study focused on SARS-CoV-2 gene detection (assessed by real-time quantitative polymerase chain reaction (RT-qPCR)) and on the virus inactivation by in vitro studies. We assessed the effects of different high ozone concentrations and exposure times on decontamination efficiency. We showed that high ozone concentrations (10,000, 2,000, and 4,000 ppm) and short exposure times (10, 10, and 2 minutes, respectively), inactivated both the original strain and the B.1.1.7 strain of SARS-CoV-2 from 24 contaminated face masks from COVID-19 patients. The validation results showed that the best condition for SARS-CoV-2 inactivation was a treatment of 4,000 ppm of ozone for 2 minutes. Further studies are in progress to advance the potential applications of these findings.
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) | 0,001 | 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 ».