Noninvasive pH monitoring for bacterial detection in platelet concentrates
Notice bibliographique
Résumé
BACKGROUND: Bacterial contamination of platelet concentrates (PCs) remains the prevalent posttransfusion infectious risk. The pH SAFE system, a noninvasive method used to measure pH of PC for quality control, was evaluated herein as a rapid method to detect bacterial contamination in PCs. STUDY DESIGN AND METHODS: Pairs of ABO-D-matched apheresis and buffy coat PCs were pooled and split into two pH SAFE platelet bags. One of the bags served as the control unit, while the other was inoculated with one of nine clinically relevant bacteria (target concentration approx. 1 colony-forming units [CFUs]/mL). The pH of both PCs was measured over 7 days of storage at approximately 4-hour intervals during daytime. One-milliliter samples were taken at the testing points to determine bacterial concentration. RESULTS: PCs with pH values of less than 6.6 or with a pH change over time (ΔpH/Δtime) greater or equal than 0.046 pH units/hr are suspected of being contaminated. pH decreased significantly during storage in all bacterially inoculated PC at concentrations of more than 10(7) CFUs/mL (p < 0.0001). A significant decrease in pH (p < 0.0001) was noticed as early as 28 hours in units with Bacillus cereus and as late as 125 hours in units containing Staphylococcus epidermidis. Interestingly, PCs containing Gram-negative species showed a decline in pH followed by a rebound. CONCLUSIONS: The pH SAFE system allows for repeated, noninvasive pH screening during PC storage. A significant decrease in pH could serve as an indicator of clinically significant levels of bacterial contamination. Since differences in pH decline were observed among bacterial species, continuous pH monitoring in PCs is recommended.
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) | 0,000 | 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 ».