A summary of the Transfusion Error Surveillance System: 2008 - 2011
Notice bibliographique
Résumé
BACKGROUND: Although Canada has one of the safest blood systems in the world, transfusion errors can occur at any time from the moment of collection through to the transfusion of blood and blood products. The Transfusion Error Surveillance System (TESS) was initiated by the Public Health Agency of Canada (the Agency) to monitor transfusion-related errors occurring at any point in the transfusion chain. OBJECTIVE: To offer an analysis of the TESS data reported from 2008 to 2011. METHODS: Between 2008 and 2011, 12 to 15 hospitals from four provinces participated in the TESS. Reports on all transfusion-related errors were sent electronically on a quarterly basis to the Agency where they were consolidated, cleaned, validated and analyzed. Different types of transfusion errors were categorized by time of discovery (pre- or post-transfusion) and their potential impact on the patient's health. The occurrence rates of different types of errors were calculated using corresponding denominator data. Results were grouped by the transfusion capacity of reporting hospitals. RESULTS: Between 2008 and 2011, a total of 34,088 transfusion-related errors were reported. Of these, 33,622 (98.6%) were detected prior to transfusion. The most commonly reported were errors related to the collection (40.1%) and handling (10.4%) of blood samples. Of the remaining 466 (1.4%) that were detected after transfusion, 66 were of high potential severity and 16 of them resulted in adverse reactions in recipients. Inappropriate / incorrect / no product order accounted for over 56% (n=9) of these errors and the most common adverse reaction was transfusion-associated circulatory overload which occurred in eight (50%) of the patients that developed adverse reactions. CONCLUSION: The TESS data from 2008 to 2011 demonstrates that blood transfusions are both safe and efficient in Canadian hospitals participating in the surveillance and also highlights the most common and most harmful errors that may be targeted for corrective actions.
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».