Factors associated with a second deferral among donors eligible for re‐entry after a false‐positive screening test for syphilis, <scp>HCV</scp>,<scp> HBV</scp> and <scp>HIV</scp>
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Since 25 May 2010, all donors at our blood centre who tested false-positive for HIV, HBV, HCV or syphilis are eligible for re-entry after further testing. Donors who have a second false-positive screening test, either during qualification for or after re-entry, are deferred for life. This study reports on factors associated with the occurrence of such deferrals. MATERIALS AND METHODS: Rates of second false-positive results were compared by year of deferral, transmissible disease marker, gender, age, donor status (new or repeat) and testing platform (same or different) both at qualification for re-entry and afterwards. Chi-square tests were used to compare proportions. Cox regression was used for multivariate analyses. RESULTS: Participation rates in the re-entry programme were 42·1%: 25·6% failed to qualify for re-entry [different platform: 2·7%; same platform: 42·9% (P < 0·0001)]. After re-entry, rates of deferral for second false-positive results were 8·4% after 3 years [different platform: 1·8%; same platform: 21·4% (P < 0·0001)]. Deferral rates were higher for HIV and HCV than for HBV at qualification when tested on the same platform. The risk, when analysed by multivariate analyses, of a second deferral for a false-positive result, both at qualification and 3 years after re-entry, was lower for donors deferred on a different platform; this risk was higher for HIV, HCV and syphilis than for HBV and for new donors if tested on the same platform. CONCLUSION: Re-entry is more often successful when donors are tested on a testing platform different from the one on which they obtained their first false-positive result.
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 | 0,002 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».