Filtration performance, fit test and side effects of respiratory personal protective equipment following decontamination: Observations for user safety and comfort
Notice bibliographique
Résumé
OBJECTIVE: While facing personal protective equipment (PPE) shortages during the COVID-19 pandemic, several institutions looked to PPE decontamination and reuse options. This study documents the effect of two hydrogen peroxide treatments on filtration efficiency and fit tests as well as the side effects for volunteers after the decontamination of N95 filtering facepiece respirators (FFRs). We also propose an efficient and large-scale treatment protocol that allows for the traceability of this protective equipment in hospitals during PPE shortages. METHODS: The effects of low-temperature hydrogen peroxide sterilization and hydrogen peroxide vapor (HPV) on two FFR models (filtration, decontamination level, residual emanation) were evaluated. Ten volunteers reported comfort issues and side effects after wearing 1h FFRs worn and decontaminated up to five times. RESULTS: The decontamination process does not negatively affect FFR efficiency, but repeated use and handling tend to lead to damage, limiting the number of times FFRs can be reused. Moreover, the recommended 24-h post-treatment aeration does not sufficiently eliminate residual hydrogen peroxide. Prolonged aeration time increased user comfort when using decontaminated FFRs. CONCLUSIONS: HPV and low-temperature hydrogen peroxide sterilization seem to be appropriate treatments for FFR decontamination when the PPE is reused by the same user. PPE decontamination and reuse methods should be carefully considered as they are critical for the comfort and safety of healthcare workers.
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) | 0,000 | 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 ».