Changing trends in blood transfusion: an analysis of 244,013 hospitalizations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Identifying recipients of blood transfusion and the trends in transfusion are needed to properly identify and target clinical services in need of patient blood management strategies. We determined the proportion of admissions to each clinical service that received blood, the mean number of units utilized, and the 5-year trends in utilization. STUDY DESIGN AND METHODS: We used a large administrative database, a repository for three campuses of one university-affiliated hospital, and included all adults that were hospitalized from November 1, 2006, to June 2012. The data were analyzed as the proportion of admissions transfused and the mean number units transfused per admission. RESULTS: Of 244,013 hospitalizations, 38,265 received at least one transfusion (29,165 for red blood cells [RBCs], 6760 for plasma, and 5795 for platelets [PLTs]). Although there has been a gradual decrease in the mean number of RBCs transfused (percent change, -9.8%; p = 0.002), an increase in the proportion of admissions receiving RBCs (17.2% increase, p < 0.0001) and PLTs (31.5% increase, p < 0.0001) was apparent while there has been a decrease in the proportion of admissions receiving plasma (23.9% decrease, p < 0.0001). Eight percent of cardiology admissions received RBCs, and the highest mean RBC utilization per admission, aside from the stem cell transplantation service, occurred in cardiology and critical care hospitalizations (mean, 4.7 units/hospitalization). CONCLUSION: Although there has been a reduction in the mean RBC units used, there has been an increase in the proportion of hospitalizations transfused. A better understanding of the indications for transfusion is required to facilitate the development of targeted blood conservation strategies.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| 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) | 0,001 | 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 découle