International survey on plasma transfusion practices in critically ill children
Notice bibliographique
Résumé
BACKGROUND: Studies have shown heterogeneity in red blood cell transfusion practices. Although plasma transfusion is common in intensive care, there are no data on plasma transfusion practices in pediatric critical care units. STUDY DESIGN AND METHODS: A scenario-based survey was sent to 718 pediatric critical care physicians working in Europe, North America, Australia, and New Zealand. Respondents were asked to report their decisions regarding plasma transfusion practice with respect to four scenarios: pneumonia, septic shock, traumatic brain injury (TBI), and postoperative care after a Tetralogy of Fallot correction. RESULTS: The response rate was 187 of 718 (26%); half of the responders worked in North America. The proportion of physicians who transfused plasma to nonbleeding patients, solely based on abnormal international normalized ratio (INR), varied from 66% for pneumonia to 84% for TBI (p < 0.001). In such nonbleeding patients, the median INR threshold that would trigger plasma transfusion was 2.5 for pneumonia and septic shock patients and 2.0 for TBI and the cardiac postoperative patients (p < 0.001). Minor bleeding, minor surgery, insertion of a femoral line, hypotension, abnormal activated partial thromboplastin time, thrombocytopenia, and anemia levels were important determinants of plasma transfusion, whereas none of the respondents' demographic characteristics were important. CONCLUSION: More than two-thirds of responding pediatric critical care physicians prescribe plasma transfusions for nonbleeding critically ill children. Additionally, there is a significant variation in transfusion practice patterns with respect to plasma transfusion thresholds.
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) | 0,004 | 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 ».