Disinfection of sink drains to reduce a source of three opportunistic pathogens, during Serratia marcescens clusters in a neonatal intensive care unit
Notice bibliographique
Résumé
OBJECTIVE: Evaluate the effects of five disinfection methods on bacterial concentrations in hospital sink drains, focusing on three opportunistic pathogens (OPs): Serratia marcescens, Pseudomonas aeruginosa and Stenotrophomonas maltophilia. DESIGN: Over two years, three sampling campaigns were conducted in a neonatal intensive care unit (NICU). Samples from 19 sink drains were taken at three time points: before, during, and after disinfection. Bacterial concentration was measured using culture-based and flow cytometry methods. High-throughput short sequence typing was performed to identify the three OPs and assess S. marcescens persistence after disinfection at the genotypic level. SETTING: This study was conducted in a pediatric hospitals NICU in Montréal, Canada, which is divided in an intensive and intermediate care side, with individual rooms equipped with a sink. INTERVENTIONS: Five treatments were compared: self-disinfecting drains, chlorine disinfection, boiling water disinfection, hot tap water flushing, and steam disinfection. RESULTS: This study highlights significant differences in the effectiveness of disinfection methods. Chlorine treatment proved ineffective in reducing bacterial concentration, including the three OPs. In contrast, all other drain interventions resulted in an immediate reduction in culturable bacteria (4-8 log) and intact cells (2-3 log). Thermal methods, particularly boiling water and steam treatments, exhibited superior effectiveness in reducing bacterial loads, including OPs. However, in drains with well-established bacterial biofilms, clonal strains of S. marcescens recolonized the drains after heat treatments. CONCLUSIONS: Our study supports thermal disinfection (>80°C) for pathogen reduction in drains but highlights the need for additional trials and the implementation of specific measures to limit biofilm formation.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 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 ».