Reducing AB plasma utilisation through the AB plasma appropriateness index
Notice bibliographique
Résumé
OBJECTIVES: We hypothesised that there was inappropriate group AB plasma used in our hospital, identifiable by a novel key quality indicator (KQI) and mitigable through massive transfusion protocol (MTP) modification. BACKGROUND: Group AB plasma is a scarce resource strained by increasing usage worldwide when used as universal donor plasma in non-group AB patients. To reduce inappropriate use and to promote benchmarking to the best practice, we developed the AB plasma appropriateness index (ABAI). ABAI is the ratio of AB plasma transfused to group AB or unknown blood group patients to all AB plasma utilised, where values closer to 1 are better. METHODS: Data collected included AB plasma disposition by blood group, indications for transfusion, total blood utilisation, patient clinical characteristics and outcomes. ABAI during a 12-month period was retrospectively assessed, which led to implementation of pre-thawed group A plasma instead of group AB plasma for trauma patients starting in July 2017. RESULTS: The ABAI retrospectively showed inappropriate use in non-group AB patients in our hospital, the majority used to avoid expiry after thaw. When comparing 1-year pre- and post-implementation periods, ABAI improved from 0·464 to 0·900 (P < 0·0001). After exclusion of therapeutic plasma exchange, ABAI still improved (0·486-0·720, P < 0·0001). No differences in the length of stay or mortality associated in 32 patients receiving group A plasma for emergency release were observed. CONCLUSION: The ABAI is a novel KQI to indicate inappropriate AB plasma usage for quality improvement. This led to thawed A plasma use for MTPs, reducing inappropriate AB plasma usage.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».