Optimization of cord blood unit sterility testing: impact of dilution, analysis delay, and inhibitory substances
Notice bibliographique
Résumé
BACKGROUND: Different methods are used by cord blood banks to prepare samples for sterility testing. Suboptimal methods can result in the release of contaminated products. In our organization, samples are prepared by diluting the final product in RPMI-1640 medium. In this work, we have compared our method with different approaches to verify whether optimization should be sought. STUDY DESIGN AND METHODS: Cord blood units (n = 6 units per bacterial strain) characterized to contain inhibitory substances or not were inoculated (10 colony-forming units/mL) with Streptococcus agalactiae, Staphylococcus epidermidis, Klebsiella pneumoniae, Escherichia coli, or Bacteroides fragilis. After plasma and red blood cell removal, stem cell concentrates were diluted in RPMI-1640, thioglycollate, or the unit's plasma. These products, as well as final product, plasma, and red blood cell fractions, were held from 0 to 72 hours at 20 to 24°C before inoculation in culture bottles and detection using the BacT/ALERT 3D system. RESULTS: Dilution of cell concentrates in RPMI-1640 allowed bacterial detection in 93.3% of noninhibitory cord blood samples after a 24-hour storage period. Thioglycollate medium better promoted bacterial growth in inhibitory cord blood samples that were held for 72 hours before testing (66.7%) compared with RPMI-1640 (45.0%). Less than 33% of all spiked plasma samples were detected by the BacT/ALERT 3D system. CONCLUSION: Diluting cord blood samples in culture medium containing bacterial growth promoting substances is a suitable option for sterility testing, whereas the use of plasma should be proscribed, because it might lead to false-negative results. Because inhibitory substances affect bacterial growth, inoculation of culture bottles should be done rapidly after sample preparation.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».