Detecting autologous blood transfusions: a comparison of three passport approaches and four blood markers
Notice bibliographique
Résumé
Blood passport has been suggested as an indirect tool to detect various kinds of blood manipulations. Autologous blood transfusions are currently undetectable, and the objective of this study was to examine the sensitivities of different blood markers and blood passport approaches in order to determine the best approach to detect autologous blood transfusions. Twenty-nine subjects were transfused with either one (n=8) or three (n=21) bags of autologous blood. Hemoglobin concentration ([Hb]), percentage of reticulocytes (%ret) and hemoglobin mass (Hbmass) were measured 1 day before reinfusion and six times after reinfusion. The sensitivity and specificity of a novel marker, Hbmr (based on Hbmass and %ret), was evaluated together with [Hb], Hbmass and OFF-hr by different passport methods. Our novel Hbmr marker showed superior sensitivity in detecting the highest dosage of transfused blood, with OFF-hr showing equal or superior sensitivities at lower dosages. Hbmr and OFF-hr showed superior but equal sensitivities from 1 to 4 weeks after transfusion compared with [Hb] and Hbmass, with Hbmass being the only tenable prospect to detect acute transfusions. Because autologous blood transfusions can be an acute practice with blood withdrawal and reinfusion within a few days, Hbmass seems to be the only option for revealing this practice.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».