Why Do Blood Donors Lapse or Reduce Their Donation's Frequency?
Notice bibliographique
Résumé
Finding effective ways to retain blood donors is crucial. This study seeks to compare, in a context of a voluntary and nonremunerated system, donor demographics and deterrents to blood donation among plasma/platelet donors (PPDs), regular whole blood donors (WBDs), and lapsed whole blood donors (LWBD). Among 1879 participants to a survey on motivations, time use, and blood donation, 207 WBDs (26%) and 148 PPDs (31%) said that they reduced their donation frequency over the last 5 years. Participants to this survey also included 609 LWBDs, who did not donate in the past 5 years. We asked about reasons why they reduce or cease to donate blood and demographic variables. χ(2) Tests were completed to determine which deterrents stand out across the 3 blood donor groups. The deterrent indicating the highest percentage was "time constraints related to work or studies" (43% for all respondents). Comparison of WBDs, LWBDs, and PPDs shows that results for 7 deterrents were statistically different between the 3 groups. Obstacles to donating blood also vary based on sex, age (life course), and level of education. Blood collection agencies should consider developing new retention strategies tailored to blood donors, taking into account the specific profiles of female/male donors, events that typically occur at various stages of life, and particular challenges associated with differences in levels of education.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,011 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».