Determinants of red blood cell transfusions in a pediatric critical care unit: A prospective, descriptive epidemiological study*
Notice bibliographique
Résumé
OBJECTIVE: To determine the incidence and to characterize the determinants of red blood cell transfusions in critically ill children. DESIGN: Prospective, descriptive epidemiologic study. SETTING: A single-center, multidisciplinary, tertiary care level, university-affiliated, pediatric intensive care unit (PICU). PATIENTS: Critically ill children. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: Of 1,047 consecutive admissions over a 1-yr period, 985 were retained for study. At least one transfusion was given in 139 cases (14%). Incidence rate of transfusion was 304 transfusions/1,000 cases. Possible determinants of red blood cell transfusions were identified and prospectively monitored during PICU stay until a first transfusion event (transfused cases) or up until the time of death or discharge from PICU (nontransfused cases). Four significant determinants of a first red blood cell transfusion event were retained in the multivariate analysis (odds ratio, 95% confidence interval, p): a hemoglobin level <9.5 g/dL during PICU stay (13.26, 8.04-21.88, p < .001), an admission diagnosis of cardiac disease (8.07, 5.14-14.65, p < .001), an admission Pediatric Risk of Mortality score >10 (4.83, 2.33-10.04, p < .001), and the presence of multiple organ dysfunction syndrome during the stay (2.06, 1.18-3.57, p = .01). CONCLUSION: A significant proportion of critically ill children receive at least one red blood cell transfusion during their PICU stay. Presence of anemia, cardiac disease, severe critical illness, and multiple organ dysfunction syndrome are the most significant determinants of red blood cell transfusions in PICU.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».