Analyses multivariées des facteurs de risque associés aux incidents d'exposition en laboratoire
Notice bibliographique
Résumé
Contexte : Les laboratoires qui participent à l'étude des agents biologiques pathogènes présentent un risque inhérent d'exposition pour le personnel de laboratoire et la collectivité.Les activités de biosécurité et de biosûreté en laboratoire sont essentielles pour réduire au minimum la probabilité d'incidents découlant d'exposition involontaire.L'objectif de la présente étude est de décrire les facteurs associés à l'occurrence d'incidents d'exposition dans un laboratoire au moyen d'un modèle prédictif.Méthodes : Le Système de surveillance de déclaration des incidents en laboratoire au Canada est un système de surveillance national qui recueille des données en temps réel à partir des rapports soumis sur les incidents de laboratoire impliquant des agents pathogènes humains et des toxines.Les données sur les incidents d'exposition en laboratoire datant de 2016 à 2020 ont été extraites du système.On a modélisé la fréquence des incidents d'exposition par mois, à l'aide d'une régression de Poisson avec plusieurs facteurs de risque possibles, incluant la saisonnalité, le secteur, le type d'occurrence, les causes fondamentales, le rôle et le niveau d'éducation des personnes exposées, ainsi que les années d'expérience en laboratoire.Une méthode de sélection pas à pas a été utilisée pour élaborer un modèle parcimonieux en tenant compte des facteurs de risque importants identifiés dans la littérature.Résultats : Après avoir pris en compte d'autres variables du modèle, on a constaté que 1) pour chaque cause fondamentale liée à l'interaction humaine, le nombre mensuel d'incidents d'exposition devrait être 1,11 fois plus élevé que le nombre d'incidents sans interaction humaine (p = 0,0017) comme cause fondamentale; et 2) pour chaque cause fondamentale normale liée à la procédure opérationnelle, le nombre mensuel d'incidents d'exposition devrait être 1,13 fois plus élevé que le nombre d'incidents sans procédure opérationnelle normalisée liée à la cause fondamentale (p = 0,0010).Conclusion : Les activités de biosécurité et de biosûreté en laboratoire devraient cibler ces facteurs de risque afin de réduire la fréquence des incidents d'exposition.Des études qualitatives sont nécessaires pour fournir un meilleur raisonnement quant à l'association de ces facteurs de risque à la survenue d'incidents d'exposition.
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 | 0,031 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,009 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».