MétaCan
Menu
Retour à la cohorte
Enregistrement W2060147837 · doi:10.1097/00045391-200209000-00007

Blood Donor Selection and Screening: Strategies to Reduce Recipient Risk

2002· review· en· W2060147837 sur OpenAlexaff
Marc Germain, Mindy Goldman

Notice bibliographique

RevueAmerican Journal of Therapeutics · 2002
Typereview
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBlood donation and transfusion practices
Établissements canadiensHéma-QuébecCegep de Sainte Foy
Organismes subventionnairesnon disponible
Mots-clésMedicineHBsAgWindow periodHepatitis BImmunologySyphilisBlood transfusionMalariaDiseaseVirologyIntensive care medicineHepatitis B virusAntibodyHuman immunodeficiency virus (HIV)VirusInternal medicine

Résumé

récupéré en direct d'OpenAlex

Various measures are taken to ensure the safety of the blood supply. Donor selection begins with education of the public about transfusion-transmissible diseases. Potential donors must answer a questionnaire designed to identify specific risk factors for these infections. The questionnaire is the only line of protection against certain infections for which no testing is performed, such as malaria, babesiosis, leishmaniasis, and Chagas disease. All donations are tested for the presence of antibodies to HIV-1 and -2, HCV, HTLV and syphilis, the hepatitis B surface antigen (HbsAg), the p24 antigen (HIV), and also for HIV and HCV nucleic acids. The introduction of new and improved screening tests for transfusion-transmissible diseases has led to remarkable improvement in the safety of the blood supply, with substantial shortening of the window period for HIV, HCV, and HBV infections. The current challenge of the industry is to reduce even further the small but significant risk of bacterial contamination of platelet components. Finally, some safety measures are purely precautionary, such as the deferral of donors who have traveled to certain countries affected by the bovine spongiform encephalopathy (BSE).

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,323
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of TherapeuticsMême sujetBlood donation and transfusion practicesTravaux en français237 207