Risk factors for red blood cell alloimmunization in the Recipient Epidemiology and Donor Evaluation Study (<scp>REDS</scp>‐<scp>III</scp>) database
Notice bibliographique
Résumé
Despite the significance of red blood cell (RBC) alloimmunization, the lack of standardized registries in the US has prevented the completion of large studies. Data from 3·5 years of the Recipient Epidemiology and Donor Evaluation Study-III (REDS-III) recipient database, containing information from 12 hospitals, were studied. A RBC alloantibody responder had an antibody identified at any point during the study, and a non-responder had a negative antibody screen at least 15 days post-RBC transfusion. Demographics, blood type, ICD9/10 codes, and other potential correlates were evaluated. Of 319 177 (2·07%) screened patients, 6597 had a total of 8892 clinically significant RBC alloantibodies identified, with 75% being in the Rh or Kell families. Alloimmunization was more common in females (2·38%) than males (1·68%), and in RhD negative (2·82%) than RhD positive (1·94%) patients. Age, sex, RhD status and race were associated with being a responder, and certain diagnoses (including sickle cell disease or trait, systemic lupus erythematosus, rheumatoid arthritis and myelodysplastic syndrome) were more common among responders than non-responders. Data collected in this multi-centre recipient database provide the largest RBC alloimmunized patient cohort studied in the US, with previously known demographic and disease associations of responder status confirmed, and new associations identified.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».