Risk mitigation of shared room ventilation and filtration on SARS-CoV-2 transmission: a multicenter test-negative study
Notice bibliographique
Résumé
BACKGROUND: Admission to shared hospital rooms are a risk factor of healthcare-associated (HA) SARS-CoV-2. Quantifying the impact of engineering controls such as ventilation and filtration is essential to informing resource utilization and infection prevention guidelines. METHODS: Multicenter test-negative study of patients exposed to SARS-CoV-2 in shared rooms across five hospitals between January and October, 2022. Independent variables tested were measured air changes per hour (ACH), presence of any room mechanical ventilation (RMV), or portable high-efficiency particulate air (HEPA) filter. Covariates included facility (number of beds in room, outbreak status of unit), source patient (presence of symptoms, RT-PCR cycle threshold (Ct) value), and exposed patient factors (age, sex, time from last SARS-CoV-2 vaccine, previous SARS-CoV-2 infection, exposure duration). Multilevel logistic mixed models used to estimate the impact of engineering controls on transmission. RESULTS: Among 468 exposed patients, secondary attack rate was 26.3% (range 7.5-33.3% across hospitals). In multivariable analysis, increased ACH was associated with decreased odds of infection (adjusted odds ratio (aOR) 0.88, 95% CI 0.78-1.00; p=.046) as were exposure duration and Ct value of source patient. Presence of RMV was also associated with decreased odds of infection (aOR 0.51, 95% CI 0.27-0.95; p=.034) while use of portable HEPA filter was not significant (aOR 0.58, 95% CI 0.26-1.31; p=.18). CONCLUSIONS: Improved ventilation was independently associated with lower odds of SARS-CoV-2 infection among exposed roommates. Ensuring RMV is present and optimizing ACH may significantly mitigate the risk of HA-SARS-CoV-2. Future prospective studies should assess optimal ACH thresholds and the impact of portable HEPA filters.
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 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».