Bacterial contamination in platelets: incremental improvements drive down but do not eliminate risk
Notice bibliographique
Résumé
BACKGROUND: Bacterial contamination of platelet components (PCs) remains an important cause of transfusion-associated infectious risk. In 2004, Canadian Blood Services (CBS) implemented bacterial testing of PCs using the BacT/ALERT 3D system (bioMérieux). This system has been validated and implemented and continuous monitoring of culture rates allows gathering of data regarding true and false positives as well as false negatives. STUDY DESIGN AND METHODS: National data gathered between March 2004 and October 2010 from 12 CBS sites were analyzed to compare bacterial contamination rates across three platelet (PLT) preparation methods: apheresis, buffy coat, and PLT-rich plasma. Data were compared before and after implementation of protocol changes that may affect bacterial detection or contamination rates. RESULTS: Initial positive rates among the three production methods were significantly different, with apheresis PCs being the highest. The rates of confirmed positives among production methods did not differ significantly (p = 0.668). Increasing sample testing volumes from 4 to 6 mL to 8 to 10 mL significantly increased the rate of initial positives, while confirmed positives increased from 0.64 to 1.63 per 10,000, approaching significance (p = 0.055). Changing the skin disinfection method from a two-step to a one-step protocol did not significantly alter the rate of confirmed positives. During the period of data analysis, eight false-negative cases were reported, with five implicated in adverse transfusion reactions. CONCLUSION: Bacterial testing of PCs and implementation of improved protocols are incrementally effective in reducing the risk of transfusion of bacterially contaminated PLT concentrates; however, the continued occurrence of false-negative results means the risk has not been eliminated.
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 | 0,012 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».