Transfusion premedication to prevent acute transfusion reactions: a retrospective observational study to assess current practices
Notice bibliographique
Résumé
BACKGROUND: The use of premedication to prevent acute transfusion reactions has been estimated to occur in 50% to 80% of transfusions. While this practice has some biologic rationale, few clinical studies have been performed to assess the efficacy of this practice, and the methodologic quality of these studies is variable. The primary objective of this study was to describe current practices regarding transfusion premedication to prevent febrile nonhemolytic transfusion reactions, mild allergic transfusion reactions, and transfusion-associated circulatory overload. STUDY DESIGN AND METHODS: We conducted an observational retrospective chart review of a stratified random sample of 324 transfusions that took place over a 6-month period. Data were abstracted from medical records and then scanned into a database for analysis. We calculated inter- and intraobserver agreement on key abstracted data to estimate assessment error. A two-phase adjudication process was used to determine whether or not medications given before the time of each transfusion were intended as premedications. RESULTS: Of the transfusions sampled, 1.6% (95% confidence interval, 0.4-3.9) were associated with premedication medications to prevent an acute transfusion reaction. Inter- and intraobserver reliability in the abstraction of key data points was good. Good agreement in adjudicator classification of outcomes was achieved only when adjudicators were provided with patient source documents. CONCLUSIONS: Premedication use was infrequent and much less common than previously reported. Improved methods of capturing transfusion premedication, which likely require prospective assessments, are needed for future research studies.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».