Counting platelets at transfusion threshold levels: impact on the decision to transfuse. A BEST Collaborative ‐ UK NEQAS(H) International Exercise
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Obtaining accurate and precise platelet enumeration in automatic platelet analysers at low platelet counts is a challenge. To explore the performance of current haematology analysers in counting platelet concentrations usually used as platelet transfusion threshold. MATERIAL AND METHODS: An international exercise where four blood samples with platelet levels near usual platelet transfusion thresholds was prepared and distributed. RESULTS: The samples shipped had a platelet count of 6·3, 13·3, 21·6 and 53·0 × 10(9) /l according to the international reference method. We received 82 sets of results from nine countries. Instruments from six different manufacturers were represented. Although the mean count for each of the four samples was very similar to the values, according to the reference method (9·0, 16·2, 23·0 and 57·6 × 10(9) /l), significant variability in the results was found. Assuming that these were patient samples and the result of the count used to indicate a prophylactic platelet transfusion, undertransfusion would have occurred for 24·5% of the LP1 samples at a transfusion threshold of 10 × 10(9) /l and, at a threshold of 20 × 10(9) /l, undertransfusion would have occurred for 7·2% of the LP1 and 16·2% of the LP2 samples and overtransfusion would have occurred with 23·1% of the LP3 samples. CONCLUSION: The results suggest that significant inaccuracy exists in counting low levels of platelets and that this inaccuracy might have a significant impact in under- and overtransfusion of platelet concentrates to patients.
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 | 0,001 |
| 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) | 0,010 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».