Establishing assay cutoffs for HLA antibody screening of apheresis donors
Notice bibliographique
Résumé
BACKGROUND: Transfusion-related acute lung injury (TRALI) is the leading cause of transfusion-related deaths. Donor HLA antibodies have been implicated in TRALI cases. Blood centers are implementing TRALI risk reduction strategies based on HLA antibody screening of some subpopulations of ever-pregnant apheresis platelet (PLT) donors. However, if screening assay cutoffs are too sensitive, donation loss may adversely impact blood availability. STUDY DESIGN AND METHODS: Pregnancy history and HLA antibody screening and single-antigen bead data from blood donors in the Retrovirus Epidemiology Donor Study-II Leukocyte Antibody Prevalence Study were evaluated for correlations between assay screening values, HLA antibody titer, and number of HLA antigen specificities. The probabilities of matching a cognate antigen in a recipient were calculated and examined in association with total number of specificities observed and screening values. The relative impact of imposing various screening assay cutoffs or pregnancy stratification was examined in relation to detection of HLA antibody-reactive donations and loss of donors and donations. RESULTS: We provide evidence that higher HLA antibody screening assay values are associated with maintaining higher screening signals upon dilution and an increased breadth of specificities compared with lower screening values; the latter correlated with an increased risk of a cognate antigen match in potential recipients. Depending on the TRALI risk reduction strategy used, the potential loss of donations ranged between 0.9 and 6.0%. CONCLUSION: This analysis should enable blood centers to decide upon a TRALI risk reduction strategy for apheresis PLTs that is consistent with how much donation loss the blood center can tolerate.
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 | 0,000 |
| 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 ».