Transfusion Predictors in Liver Transplant
Notice bibliographique
Résumé
UNLABELLED: In this study we sought to determine the factors influencing red blood cell (RBC) transfusions and to study the transfusion practice of anesthesiologists during liver transplants. A retrospective study of 206 successive liver transplants was undertaken during a period of 52 mo. Transfused blood products were identified. Twenty variables were analyzed in a univariate fashion. For the multivariate analysis, the cases were divided in 2 subgroups: more than 4 RBC units transfused and 4 or less RBC units transfused. The average number of RBC units transfused during a liver transplant was 2.8 (+/- 3.5) per patient, 32.0% did not receive any RBC, and 19.4% did not receive any blood products during the transplant. Three variables were related to the number of RBC units transfused: the starting International Normalized Ratio value, the starting platelet count, and the duration of surgery. We found that there was a wide difference in the transfusion practice of the anesthesiologists involved in this series of liver transplants. It was difficult to identify predictive factors for RBC transfusions when the transfusion rate was small and because of the variability in human factors. Plasma transfusion did not decrease the rate of RBC transfusions; sometimes it was the contrary. IMPLICATIONS: This is a retrospective study of 206 liver transplants over 52 mo to identify the predictive factors of red blood cell transfusions and the anesthesiologists' transfusion strategies. We conclude that there is a wide difference in transfusion practices among anesthesiologists.
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) | 0,000 | 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 ».