Evaluating appropriate red blood cell transfusions: a quality audit at 10 Ontario hospitals to determine the optimal measure for assessing appropriateness
Notice bibliographique
Résumé
BACKGROUND: Evaluating the appropriateness of red blood cell (RBC) transfusion requires labor-intensive medical chart audits and expert adjudication. We sought to determine the appropriateness of RBC transfusions at 10 hospitals using retrospective chart review and to determine whether simple metrics (proportion of single-unit transfusions, RBCs/100 acute inpatient days, proportion of transfusions with pretransfusion hemoglobin <80 g/L or posttransfusion hemoglobin <90 g/L) could be used as surrogate markers of appropriateness by comparing their values with the results from the audit. STUDY DESIGN AND METHODS: An initial block of 30 RBC units was dually adjudicated for appropriateness followed by additional blocks of 10 units until the difference between the cumulative percentage of appropriate RBC units in the preceding block and final block was <3%. Pearson correlation tests were used to evaluate associations between the metrics and percentages of appropriate transfusions per hospital. Two-by-two tables were used to assess the utility of the metrics to classify transfusions for appropriateness. RESULTS: Of the 498 units audited, 78% were adjudicated as appropriate (κ = 0.9603), with significant variability between institutions (p < 0.0001). Fifty audits or less were required at nine of the institutions. The values of the metrics were not found to have significant correlations with appropriateness, and the metric that misclassified the smallest proportion of transfusions for appropriateness was pretransfusion hemoglobin <80 g/L, at 24%. CONCLUSIONS: Our findings suggest that a chart audit of 50 RBC transfusions with adjudication using robust criteria is the optimal means of evaluating RBC transfusion appropriateness at an institution for benchmarking and quality-improvement initiatives.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 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 ».