Profiling clinical platelet and plasma use to inform blood supply and contingency planning: PUPPY, the prospective utilization of platelets and plasma study
Notice bibliographique
Résumé
BACKGROUND: Demand for platelet (PLT) and plasma transfusions is increasing. Improved clinical supply and contingency planning requires greater understanding of usage profiles and urgency of clinical requirement. STUDY DESIGN AND METHODS: This study was a random-sample survey of PLT and plasma units produced in Victoria, Australia, to determine product disposition, recipient demographics, clinical indications for transfusion, and urgency (or "deferability") of need. PLTs and fresh-frozen plasma (FFP) were tagged with a case report form before distribution. RESULTS: A total of 1252 PLT and 1837 FFP units were tagged, comprising 8.3 and 13.3% of all products issued during the study period. The fate of 1243 PLT and 1808 FFP units was determined. Of products issued, 72.2% of PLTs and 87.8% of FFP were transfused. Hematologic and oncologic disorders accounted for 63.9% of PLT transfusions, with acute myeloid leukemia alone accounting for 26%. Conversely, surgical patients received the largest proportion of FFP (40.4%), predominantly for cardiothoracic, solid organ transplant, and vascular surgery. Approximately 15% of PLT transfusions and 35% of plasma transfusions were required within 1 hour, and 80% of PLT transfusions and 90% of FFP transfusions were required within 24 hours. Wastage rates were higher in regional blood banks. CONCLUSION: The PUPPY study is a comprehensive and detailed population-based assessment of PLT and plasma usage, including urgency of use. It identifies specific clinical areas with high demand for PLT and FFP transfusion and demonstrates the high urgency of need for both products. These data inform clinical supply and contingency planning activities.
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 | 0,000 |
| 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 ».