Prevalence and risk factors for red blood cell alloimmunization in 175 children with sickle cell disease in a French university hospital reference centre
Notice bibliographique
Résumé
Summary Patients with sickle cell disease (SCD) show a high prevalence of red blood cell (RBC) alloimmunization, but few studies have focused on children. We aimed to study the prevalence and risk factors of RBC alloimmunization in SCD children. We retrospectively analysed the medical and transfusion files for 245 SCD children hospitalized in our centre in 2014 and included 175 patients who had received at least one RBC unit in their lifetime. The main clinical and immuno‐haematological characteristics of alloimmunized and non‐alloimmunized patients were compared. The prevalence of alloimmunization was 13·7% [95% confidence interval (CI) (8·6–18·6)], and 7·4% [95% CI (3·5–11·3)] after excluding the probable irregular natural antibodies (anti‐M, anti‐Lea, anti‐Leb, anti‐Lex). Main risk factors for alloimmunization were increased number of RBC units received (median of 65 vs. 10 units per patient; P = 0·01) and the presence of one or more red cell autoantibodies (46·2% vs. 4·7%; P < 0·0001). The alloimmunization rate was higher for episodically transfused than chronically transfused patients (1·43 vs. 0·24/100 units received; P < 0·001). The presence of red cell autoantibodies appears to be a major risk factor for alloimmunization in SCD children and could justify specific transfusion guidelines.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».