Determining the inventory impact of extended‐shelf‐life platelets with a network simulation model
Notice bibliographique
Résumé
BACKGROUND: The regulatory shelf life for platelets (PLTs) in many jurisdictions is 5 days. PLT shelf life can be extended to 7 days with an enhanced bacterial detection algorithm. Enhanced testing, however, comes at a cost, which may be offset by reductions in wastage due to longer shelf life. This article describes a method for estimating systemwide reductions in PLT outdates after PLT shelf life is extended. STUDY DESIGN AND METHODS: A simulation was used to evaluate the impact of an extended PLT shelf life within a national blood network. A network model of the Canadian Blood Services PLT supply chain was built and validated. PLT shelf life was extended from 5 days to 6, 7, and 8 days and runs were completed to determine the impact on outdates. RESULTS: Results suggest that, in general, a 16.3% reduction in PLT wastage can be expected with each additional day that PLT shelf life is extended. Both suppliers and hospitals will experience fewer outdating units, but wastage will decrease at a faster rate at hospitals. No effect was seen by blood group, but there was some evidence that supplier site characteristics influences both the number of units wasted and the site's ability to benefit from extended-shelf-life PLTs. CONCLUSION: Extended-shelf-life PLTs will reduce wastage within a blood supply chain. At 7 days, an improvement of 38% reduction in wastage can be expected with outdates being equally distributed between suppliers and hospital customers.
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 | 0,000 | 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 | 0,002 |
| 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 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 ».