Acute haemolysis, DIC and renal failure after transfusion of uncross‐matched blood during trauma resuscitation: illustrative case and literature review
Notice bibliographique
Résumé
SUMMARY Aims/Objectives The aims of this study were to report a patient with acute haemolytic transfusion reaction (HTR) after transfusing uncross‐matched red blood cell (RBC) units and to identify the frequency of this complication. Background Uncross‐matched RBC units are commonly transfused in emergencies, but the frequency of acute HTR is unknown. Methods We describe a male stabbing victim who received three units of uncross‐matched RBC units complicated by acute intravascular HTR, disseminated intravascular coagulation (DIC) and renal failure. We identified 14 studies evaluating the frequency of acute HTR post‐emergency transfusion of uncross‐matched RBC units. Results Acute HTR was shown by haemoglobinuria, free‐plasma haemoglobin and methemalbumin, with anti‐K and anti‐Fy a eluted from recipient red cells; acute DIC featured severe hypofibrinogenemia, thrombocytopenia, elevated fibrin D‐dimer and multiple bilateral renal infarcts. Two of the three transfused units reacted with pre‐existing RBC alloantibodies [anti‐K (titre, 128), anti‐Fy a (titre, 512)], explained by transfusion 25 years earlier. Our literature review found the frequency of acute HTR following emergency transfusion of uncross‐matched RBC units to be 2/3998 [0·06% (95% CI, 0·01–0·21%)]. Conclusions Although emergency transfusion of uncross‐matched blood is commonly practiced at trauma centres worldwide, with low risk of acute HTR (<1/1000), our well‐documented patient case demonstrates the potential for acute HTR with severe complications.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».