Feeling the burn: the significant burden of febrile nonhemolytic transfusion reactions
Notice bibliographique
Résumé
BACKGROUND: Febrile nonhemolytic transfusion reactions (FNHTRs) are characterized by a post-transfusion temperature rise (of ≥ 1°C, to ≥ 38°C) or chills/rigors unrelated to the underlying condition. FNHTRs are provoked by inflammatory cytokines in the product or by host antileukocyte antibodies against residual donor leukocytes. FNHTRs are among the most commonly reported transfusion disturbances and are generally deemed nonserious events. However, their impact on patients and hospitals may be underestimated. STUDY DESIGN AND METHODS: A search through two hemovigilance databases identified all known possible-to-definite FNHTRs over 3 years (2013-2015) at four academic hospitals using prestorage leukoreduced components. FNHTRs were assessed for frequency by product (red blood cells [RBCs], platelets [PLTs], intravenous immunoglobulin), diagnostics (bedside, chest imaging, serology, microbiology), and management (medications, disposition change). The definition of FNHTR was derived from Canada's Transfusion-Transmitted Injuries Surveillance System. RESULTS: For 437 FNHTRs, the overall per-product rate across all sites was 0.24%, or 0.17% with RBCs alone and 0.25% with PLTs alone. One-third of patients had significant fevers (≥ 39.0°C or a rise by ≥ 2.0°C). Approximately one-quarter underwent chest imaging within 48 hours, and 79% had blood cultures. A hospital admission directly attributable to the FNHTR, to exclude other causes of fever, occurred in 15% of FNHTR outpatients. CONCLUSION: An analysis of FNHTRs reveals a substantial burden of postreaction clinical activity in addition to the disturbance itself. Efforts to avoid this adverse event may save resources, reduce patient distress, and encourage compliance with more restrictive transfusion strategies.
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 | 0,001 | 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 ».