How do people become plasma and platelet donors in a VNR context?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The demand for therapeutic plasma-derived products poses a challenge to blood collection agencies (BCAs). In 2014-2015, the volume of plasma sent for fractionation met 17.7% of Quebec's needs for immunoglobulins. This article aims to offer an exploration of the paths blood donors follow in order to become plasma and platelet donors (PPDs). STUDY DESIGN AND METHOD: This analysis is based on semi-structured interviews with 50 PPDs in Quebec, Canada. Our analysis focused on the occurrence of events and the presence of contextual elements identified through: (1) factual data on PPDs; and (2) what PPDs identified as being an influence on their donation experience. This information was synthesized using a typology of trajectories. RESULTS: Six typical trajectories have been distinguished, first by the presence (19/50 respondents) or absence (31/50) of blood donation as a family tradition. Of the latter 31 donors, some pointed instead to inherited family values as having a significant influence on their commitment (11/31). Donors' careers were then distinguished as having started early (34) or late (16). Sub-types then appeared with the addition of other contextual elements, motivation profiles, and circumstances under which the conversion to apheresis donation occurred. CONCLUSION: Our findings suggest the existence of diversified donor trajectories, and confirm the importance of conducting more in-depth analyses of the sequence of events occurring along PPDs career. BCAs should develop strategies carefully tailored to different potential clienteles if they wish to convert whole blood donors to apheresis donation, and also focus on recruiting and retaining young PPDs.
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.
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 | 0,002 | 0,003 |
| 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 | 0,001 | 0,003 |
| 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 découle