Wipe sampling of antineoplastic drugs from workplace surfaces: A review of analytical methods and recommendations
Notice bibliographique
Résumé
Antineoplastic drugs (ADs) are primarily used to manage cancer and are becoming more prevalent as cancer cases increase globally. A primary route of exposure for workers administering these hazardous drugs is via dermal absorption from contact with contaminated surfaces. To assess the risk in a workplace, wipe sampling is used to inspect and assess suspect workplace surfaces (i.e., as a form of worker exposure and environmental monitoring). Despite widespread use of ADs, there are no standards or proficiency testing programs (at this time) for surface wipe sampling protocols specifically for residues that contain ADs. Current literature provides many different analytical methods developed by research groups for detecting one or more ADs in residue found in the workplace. These studies contain significant variability in the techniques and materials used and, therefore, also vary in their outcomes. This review highlights the variability observed in the results obtained from current methods and points to opportunities that might assist in addressing these inconsistencies towards preparing standard methodologies for wipe sampling of ADs. This review also discusses critical factors to consider when optimizing the steps performed for surface wipe sampling. The inter-dependent steps discussed in this review for surface wipe sampling are: (i) adsorption of analyte onto a wipe; (ii) desorption of the analyte from the wipe; and (iii) detection of the sampled analyte. The first two steps require optimization of both chemical and physical factors to create a successful sampling method. The detection step has largely been optimized due in part to the sensitivity of analytical instrumentation, but there remain opportunities to develop more effective methodologies for timely feedback and an increased sensitivity to platinum-based ADs. This review also provides additional recommendations to improve reporting of results from the wipe sampling of ADs and highlights the need for additional research on the occupational and surface exposure limits for ADs.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».