Predictors of Red Cell Transfusion in Medically III Patients.
Notice bibliographique
Résumé
Abstract Although red cell transfusion is a relatively common treatment in medically ill patients, much is not known about the clinical determinants used to guide its use. We conducted a retrospective, case-controlled chart review of admissions to the medical teaching units (MTU) at this center (Queen Elizabeth II Health Sciences Centre, Halifax, Nova Scotia). Forty-two patients who received red blood cell transfusion during admission to the MTU from January to March 31, 2004. Clinical data collected included: age, gender, indication for MTU admission, co-morbid disease, smoking, admission hemoglobin, pre- and post-transfusion hemoglobin, arterial pressure of oxygen, lactic acidosis, parameters of shock, presence of active bleeding, and need for surgery. Logistic regression analysis was used to identify significant clinical determinants of transfusion. Red blood cell transfusion rate was 8%. Of admission diagnoses and co-morbidities, only cancer was associated with a trend for transfusion (p=0.07). Those who received red blood cell transfusion had significantly lower admission hemoglobin levels (p=0.005), higher serum creatinine (p=0.02), and lower mean arterial pressure (p=0.01). Significant predictive clinical factors of red blood cell transfusion included congestive heart failure (OR=3.72, CI 1.034, 27.160), admission hemoglobin level (d/L, OR=0.956, CI 0.927, 0.986), mean arterial pressure (mm Hg, OR=0.942, p=0.005) and serum creatinine (ml/min, OR=1.008, CI 1.003, 1.014). In conclusion, predictors of red blood cell transfusion for medically ill patients include low admission hemoglobin, renal insufficiency, and low blood pressure.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».