A contemporary description of patients’ estimated blood losses from diagnostic phlebotomy in a census of hospital episodes from a Canadian tertiary care center
Notice bibliographique
Résumé
BACKGROUND: Phlebotomy for diagnostic testing is among the commonest hospital procedures, but hospital-wide surveys of all inpatients characterizing blood draw volumes have not been published. The objectives were to characterize the daily blood volumes drawn for diagnostic testing from patients discharged from a Canadian tertiary care center, describe the daily distributions of phlebotomy volumes across service locations, and describe changes in hemoglobin (Hb) and transfusion across service locations. STUDY DESIGN AND METHODS: Data were obtained on all patients discharged between 2012 and 2014 using linked discharge abstract and laboratory data. Cumulative daily blood volume and draw frequency were reported by service and days since admission. Changes in Hb and red blood cell (RBC) transfusion rates were reported for nontransfused and transfused patients. RESULTS: Data were included on 59,715 subjects. Mean daily estimated blood loss varied from 8.5 ± 6.5 mL/day onward to 27.2 ± 20.0 mL/day in the intensive care unit (ICU; p < 0.001). Phlebotomy volumes were highest on the first day of admission and declined thereafter (p < 0.001). For nontransfused individuals in the first week of admission, Hb levels decreased by the highest percentage in the ICU. The rate of RBC unit transfusion was highest in the ICU (232.4 units/1000 patient-days; 95% confidence interval, 225.8-239.2; p < 0.0001 compared with all other locations). CONCLUSION: Considerable variation was observed in estimated blood loss due to diagnostic phlebotomy across different services within one teaching hospital. Thi information is foundational for planning interventions to minimize estimated blood loss from phlebotomy.
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 | 0,000 | 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) | 0,000 | 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 ».