Assessing the efficacy of a single‐unit red blood cell transfusion policy at a multisite transfusion service using a computerized retrospective audit
Notice bibliographique
Résumé
Background and Objectives In 2013, an Eastern Canada blood bank implemented a new policy to reduce red cell transfusion. The policy mandated clinical or laboratory reassessment of stable, non‐bleeding patients after each unit transfused, before issuing subsequent units. A computerized audit assessed the policy's effectiveness. Materials and Methods This retrospective cohort study compares the policy's effect on transfusion practice across three groups of adult inpatients: haematology, surgery and internal medicine. Compliance was inferred from increases in the proportion of single‐unit red cell transfusions among all single‐ and double‐unit transfusions. Outcome variables included transfusion intensity (red cell units administered per admission involving a transfusion) and pretransfusion haemoglobin levels. Results Each group had more transfusions issued as single units during the ten months following policy enforcement. In haematology patients, single‐unit transfusions increased from 17% to 89% and transfusion intensity decreased (median: 2–2, Q1: 2–1, Q3: 6–4, P < 0·001). Single‐unit transfusions increased from 57% to 94% in medicine patients and from 63% to 87% in surgery patients. Transfusion intensity also decreased in surgical patients (median: 2–1, Q1: 1–1, Q3: 2–2, P < 0·001) and in medicine patients (median: 2–1, Q1: 1–1, Q3: 2–2, P = 0·008). No group showed a clinically significant change in pretransfusion haemoglobin levels. Conclusion The audit demonstrated significant compliance with a single‐unit transfusion policy. Transfusion intensity decreased in all groups despite no clinically significant change in pretransfusion haemoglobin levels.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».