Evaluation of a Novel Transfusion Algorithm Employing Point-of-care Coagulation Assays in Cardiac Surgery
Notice bibliographique
Résumé
BACKGROUND: Cardiac surgery requiring the use of cardiopulmonary bypass is frequently complicated by coagulopathic bleeding that, largely due to the shortcomings of conventional coagulation tests, is difficult to manage. This study evaluated a novel transfusion algorithm that uses point-of-care coagulation testing. METHODS: Consecutive patients who underwent cardiac surgery with bypass at one hospital before (January 1, 2012 to January 6, 2013) and after (January 7, 2013 to December 13, 2013) institution of an algorithm that used the results of point-of-care testing (ROTEM; Tem International GmBH, Munich, Germany; Plateletworks; Helena Laboratories, Beaumont, TX) during bypass to guide management of coagulopathy were included. Pre- and postalgorithm outcomes were compared using interrupted time-series analysis to control for secular time trends and other confounders. RESULTS: Pre- and postalgorithm groups included 1,311 and 1,170 patients, respectively. Transfusion rates for all blood products (except for cryoprecipitate, which did not change) were decreased after algorithm institution. After controlling for secular pre- and postalgorithm time trends and potential confounders, the posttransfusion odds ratios (95% CIs) for erythrocytes, platelets, and plasma were 0.50 (0.32 to 0.77), 0.22 (0.13 to 0.37), and 0.20 (0.12 to 0.34), respectively. There were no indications that the algorithm worsened any of the measured processes of care or outcomes. CONCLUSIONS: Institution of a transfusion algorithm based on point-of-care testing was associated with reduced transfusions. This suggests that the algorithm could improve the management of the many patients who develop coagulopathic bleeding after cardiac surgery. The generalizability of the findings needs to be confirmed.
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 | 0,003 | 0,001 |
| 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) | 0,000 | 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 ».