Risks associated with red blood cell transfusions: potential benefits from application of pathogen inactivation
Notice bibliographique
Résumé
BACKGROUND: Red blood cell (RBC) transfusion risks could be reduced if a robust technology for pathogen inactivation of RBC (PI-RBCs) were to be approved. MATERIALS AND METHODS: Estimates of per-unit and per-patient aggregate infectious risks for conventional RBCs were calculated; the latter used patient diagnosis as a determinant of estimated lifetime exposure to RBC units. Existing in vitro data for the two technologies under development for producing PI-RBCs and the status of current clinical trials are reviewed. RESULTS: Minimum and maximum per-unit risk were calculated as 0.0003% (1 in 323,000) and 0.12% (1 in 831), respectively. The minimum estimate is for known lower-risk pathogens while the maximal estimate also includes an emerging infectious agent (EIA) and endemic area Babesia risk. Minimum and maximum per-patient lifetime risks by diagnosis grouping were estimated as 1.5 and 3.3%, respectively, for stem cell transplantation (which includes additional risk for cytomegalovirus transmission); 1.2 and 3.7%, respectively, for myelodysplastic syndrome; and 0.2 and 44%, respectively, for hemoglobinopathy. DISCUSSION: There is potential for PI technologies to reduce infectious RBC risk and to provide additional benefits (e.g., prevention of transfusion-associated graft-versus-host disease and possible reduction of alloimmunization) due to white blood cell inactivation. PI-RBCs should be viewed in the context of having a fully PI-treated blood supply, enabling a blood safety paradigm shift from reactive to proactive. Providing insurance against new EIAs. Further, when approved, the use of PI for all components may catalyze operational changes in blood donor screening, laboratory testing, and component manufacturing.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 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 ».