Effect of platelet additive solution on bacterial dynamics and their influence on platelet quality in stored platelet concentrates
Notice bibliographique
Résumé
BACKGROUND: Platelet additive solutions (PASs) are an alternative to plasma for the storage of platelet concentrates (PCs). However, little is known about the effect of PAS on the growth dynamics of contaminant bacteria. Conversely, there have been no studies on the influence of bacteria on platelet (PLT) quality indicators when suspended in PAS. STUDY DESIGN AND METHODS: Eight buffy coats were pooled, split, and processed into PCs suspended in either plasma or PAS (SSP+, MacoPharma). PCs were inoculated with 10 and 100 colony-forming units (CFUs)/bag of either Serratia liquefaciens or Staphylococcus epidermidis. Bacterial growth was measured over 5 days by colony counts and bacterial biofilm formation was assayed by scanning electron microscopy and crystal violet staining. Concurrently, PLT markers were measured by an assay panel and flow cytometry. RESULTS: S. liquefaciens exhibited an apparent slower doubling time in plasma-suspended PCs (plasma-PCs). Biofilm formation by S. liquefaciens and S. epidermidis was significantly greater in PCs stored in plasma than in PAS. Although S. liquefaciens altered several PLT quality markers by Days 3 to 4 postinoculation in both PAS- and plasma-PCs, S. epidermidis contamination did not produce measurable PLT changes. CONCLUSIONS: S. liquefaciens can be detected more quickly in PAS-suspended PCs (PAS-PCs) than in plasma-PCs by colony counting. Furthermore, reduced biofilm formation by S. liquefaciens and S. epidermidis during storage in PAS-PCs increases bacteria availability for sampling detection. Culture-based detection remains the earliest indicator of bacterial presence in PAS-PCs, while changes of PLT quality can herald S. liquefaciens contamination when in excess of 10(8) CFUs/mL.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».