Surveillance of laboratory exposures to human pathogens and toxins, Canada, 2023
Notice bibliographique
Résumé
Background: , and monitors human pathogen and toxin incidents in licensed facilities to minimize exposure impact at the individual and population level. Objective: To provide an overview of confirmed laboratory exposure incidents in Canada in 2023. Methods: Confirmed exposure incident reports in 2023 were analyzed using R 4.2.2, Microsoft Excel and SAS. Results: In 2023, 207 incident reports were received, including 63 confirmed exposure incidents that affected 85 individuals. The academic sector accounted for 50.8% (n=32) of the reported confirmed exposure incidents. Microbiology (n=33; 52.4%) was the predominant activity being performed, with the most common occurrence types being sharps-related (n=22; 27.2%) and procedure-related (n=16; 19.8%). Human interaction (n=36; 57.1%) and standard operating procedures (n=24; 38.1%) were the most frequent root causes cited, with corrective actions often directly addressing these causes. Most of the 85 affected individuals were technicians/technologists (n=55; 64.7%) and had a median of 11 years of laboratory experience. Sixty-seven human pathogens and toxins (HPTs) were implicated in the confirmed exposure incidents, with bacteria (n=36; 53.7%) being the most common biological agent type. The median time between the incident and the reporting date was six days. Conclusion: The number of confirmed exposure incidents increased in 2023 compared to 2022. Microbiology was most often the activity being performed at the time of exposure, and occurrence-types, root causes and HPTs implicated in 2023 mirrored those cited in 2022.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».