Surveillance des expositions en laboratoire aux agents pathogènes humains et aux toxines au Canada, en 2020
Bibliographic record
Abstract
Contexte : La Loi sur les agents pathogènes humains et les toxines et le Règlement sur les agents pathogènes humains et les toxines exigent que les incidents de laboratoire soient signalés au système de surveillance de déclaration des incidents en laboratoire au Canada de l’Agence de la santé publique du Canada. L’objectif du présent rapport est de décrire les incidents de laboratoire concernant des expositions survenues au Canada en 2020 et les personnes affectées par ces incidents. Méthodes : Les incidents survenus en laboratoire en 2020 dans des laboratoires canadiens autorisés ont été analysés. Le taux d’incidents d’exposition a été calculé et des statistiques descriptives ont été effectuées. Les incidents d’exposition ont été analysés selon le secteur, type d’activité, type d’événement, cause fondamentale et agent pathogène ou toxine. Les personnes affectées ont été analysées selon l’éducation, la voie d’exposition, le secteur, le rôle et l’expérience en laboratoire. Le temps écoulé entre l’incident et la date du rapport a également été analysé. Résultats : Quarante-deux incidents touchant 57 personnes ont été signalés au système de surveillance de déclaration des incidents en laboratoire au Canada en 2020. Aucune infection contractée en laboratoire n’a été soupçonnée ou confirmée. Le taux d’exposition annuel était de 4,2 incidents pour 100 permis en vigueur. La plupart des cas d’exposition sont survenus pendant les activités de microbiologie (n = 22, 52,4 %) ou ont été signalés par le secteur hospitalier (n = 19, 45,2 %). L’erreur de procédure (n = 16, 27,1 %) et les incidents liés à un objet tranchant ou pointu (n = 13, 22,0 %) étaient les incidents les plus fréquemment signalés. La plupart des personnes touchées ont été exposées par inhalation (n = 28, 49,1 %). Ils travaillaient à titre de techniciens ou de technologues (n = 36, 63,2 %). Les problèmes liés aux procédures opératoires normalisées étaient la cause fondamentale la plus courante (n = 24, 27,0 %), suivie des interactions humaines (n = 21, 23,6 %). Le nombre médian de jours entre les cas d’exposition et la date de déclaration était de six jours. Conclusion : Le taux d’incidents en laboratoire était plus faible en 2020 qu’en 2019, quoique la pandémie en cours ait pu contribuer à cette diminution en raison de la fermeture de lieux de travail non essentiels, notamment des laboratoires, pendant une partie de l’année. Le type d’incident le plus fréquent était l’erreur de procédure, tandis que les problèmes liés au non-respect des procédures opératoires normalisées et les interactions humaines étaient les causes fondamentales les plus citées.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.005 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".