Reducing the age of transfused red blood cells in hospitals: ordering and allocation policies
Notice bibliographique
Résumé
BACKGROUND: Although recent randomized controlled trials have not found increased risk of morbidity/mortality with older red blood cells (RBCs), several large trials will be completed soon providing power to detect smaller risks if indeed they exist. Hence, there may still be a need for inventory management policies that could reduce the age of transfused RBCs without compromising availability or resulting in excessive outdates. MATERIALS AND METHODS: We developed a computer simulation model based on data from an acute care hospital in Hamilton, Ontario. We evaluated and compared the performance of certain practical ordering and allocation policies in terms of outdate rate, shortage rate and the distribution of the age of issued RBCs. RESULTS: During the 1-year period for which we analysed the data, 10349 RBC units were transfused with an average issue age of 20·7 days and six units were outdated (outdate rate: 0·06%). Adopting a strict first in, first out (FIFO) allocation policy and an order-up-to ordering policy with target levels set to five times the estimated daily demand for each blood type, reduced the average issue age by 29·4% (to 14·6 days), without an increase in the outdate rate (0·05%) or resulting in any unmet demand. Further reduction of issue age without a significant increase in outdate rate was observed when adopting non-FIFO threshold-based allocation policies and appropriately adjusting the order-up-to levels. CONCLUSION: A significant reduction of issue age could be possible, without compromising availability or resulting in excessive outdates, by properly adjusting the ordering and allocation policies at the hospital level.
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 ».