MétaCan
Menu
Retour à la cohorte
Enregistrement W4388693679 · doi:10.1186/s12903-023-03590-y

Dental unit waterline testing practices: an 11-Year retrospective study

2023· article· en· W4388693679 sur OpenAlexafffundabout
Juan M. Buitrago, Rob J. Kolbe, Michelle F. Siqueira

Notice bibliographique

RevueBMC Oral Health · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueLegionella and Acanthamoeba research
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesSaskatchewan Health Research FoundationUniversity of Saskatchewan
Mots-clésMedicineWaterlineDentistryTest (biology)Engineering

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: This retrospective study examined the dental unit waterline (DUWL) testing practices of Saskatchewan dental clinics over a period of 11 years, with an emphasis on their responses after identification of high microbial levels. MATERIALS AND METHODS: Dental clinics (n = 137) aseptically collected samples of output water from their air/water syringes, handpieces, and ultrasonic scaler lines using Sigma-Aldrich® waterline test kits and delivered them to a quality assurance laboratory. Tests were incubated for seven days at room temperature, and those with heterotrophic plate counts > 500 CFU/mL were reported as failures. Statistical analyses were performed on a database containing 4,093 test results. RESULTS: =.52, p < 0.001) was found between clinics' DUWL testing frequency and failure rate. Only 7% of failed DUWL tests were followed up by collection of a subsequent test within two weeks, of which 47% still exceeded the 500 CFU/mL threshold. CONCLUSIONS: Our findings demonstrate an association between DUWL testing frequency and detection of unacceptable microbial levels, along with infrequent retesting and often-inadequate intervention after a failed test. This suggests the need for further efforts at the regulatory and educational levels to maintain adequate water quality during dental treatment. CLINICAL RELEVANCE: Procedural water can become contaminated in DUWLs and endanger patients. Regular DUWL monitoring and evidence-based interventions to treat contaminated systems are necessary to safeguard patient health.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,165
Tête enseignante GPT0,435
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Oral HealthMême sujetLegionella and Acanthamoeba researchTravaux en français237 207