Trends in red blood cell transfusion and 30‐day mortality among hospitalized patients
Notice bibliographique
Résumé
BACKGROUND: Blood conservation strategies have been shown to be effective in decreasing red blood cell (RBC) utilization in specific patient groups. However, few data exist describing the extent of RBC transfusion reduction or their impact on transfusion practice and mortality in a diverse inpatient population. STUDY DESIGN AND METHODS: We conducted a retrospective cohort study using comprehensive electronic medical record data from 21 medical facilities in Kaiser Permanente Northern California. We examined unadjusted and risk-adjusted RBC transfusion and 30-day mortality coincident with implementation of RBC conservation strategies. RESULTS: The inpatient study cohort included 391,958 patients who experienced 685,753 hospitalizations. From 2009 to 2013, the incidence of RBC transfusion decreased from 14.0% to 10.8% of hospitalizations; this change coincided with a decline in pretransfusion hemoglobin (Hb) levels from 8.1 to 7.6 g/dL. Decreased RBC utilization affected broad groups of admission diagnoses and was most pronounced in patients with a nadir Hb level between 8 and 9 g/dL (n = 73,057; 50.8% to 19.3%). During the study period, the standard deviation of risk-adjusted RBC transfusion incidence across hospitals decreased by 44% (p < 0.001). Thirty-day mortality did not change significantly with declines in RBC utilization in patient groups previously studied in clinical trials nor in other subgroups. CONCLUSIONS: After the implementation of blood conservation strategies, RBC transfusion incidence and pretransfusion Hb levels decreased broadly across medical and surgical patients. Variation in RBC transfusion incidence across hospitals decreased from 2010 to 2013. Consistent with clinical trial data, more restrictive transfusion practice did not appear to impact 30-day mortality.
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 | 0,000 |
| 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) | 0,001 | 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 ».