Analysis of Risk Factors of Laboratory-acquired Infections in Canada: 2016–2023 Data from the Laboratory Incident Notification Canada Surveillance System
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: Laboratory-acquired infections (LAIs) remain a significant occupational hazard worldwide, with the potential for public health risks beyond the laboratory. This study examined 2016 to 2023 data from the Laboratory Incident Notification Canada (LINC) surveillance system to identify risk factors associated with LAIs in Canadian laboratories. Methods: LINC incident reports, focusing on LAIs resulting from exposures to human pathogens or toxins, were analyzed. Potential risk factors contributing to LAIs were identified through univariate, bivariate, and multivariate analyses. Logistic regression was used to assess the association between potential risk factors and the incidence of LAIs. Results: Between 2016 and 2023, there were eight LAI exposure incidents that met the inclusion criteria and 354 non-LAI exposure incidents. Bivariate analyses between 10 potential risk factors and LAI occurrence only identified failure of or inadequate personal protective equipment (PPE) to be statistically significantly associated with LAIs ( p = 0.027). Regression analysis demonstrated the importance of PPE, where failure of or inadequate PPE was associated with increased odds of LAI (odds ratio = 4.53, 95% confidence interval: 1.07, 19.28), having adjusted for other potential risk factors. The time trend revealed some variance in the total number of affected persons, with a particular peak in 2018. Conclusion: Failure of or inadequate PPE was a significant risk factor for LAIs in Canadian laboratories, thus reinforcing the importance of safety protocol adherence, ongoing training, and targeted interventions to reduce the risk of LAIs.
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.
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 | 0,002 |
| 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 découle