MétaCan
Menu
← Retour à la cohorte
Enregistrement W2983965569 · doi:10.1182/blood-2019-126232

Identifying Patterns of Inappropriate Plasma Transfusion Practices Using a Novel Multicenter Electronic Data Audit: Over 80 Percent of Plasma Transfused Is Inappropriate

2019· article· en· W2983965569 sur OpenAlexaffabout
Leigh Minuk, Jeannie Callum, Alan Tinmouth, Robert Skeate, Nancy M. Heddle, Donald M. Arnold, Troy Thompson, Ziad Sohl, Nadine Shehata, Cyrus C. Hsia, Rebecca Barty, Yang Liu

Notice bibliographique

RevueBlood · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueBlood transfusion and management
Établissements canadiensWestern UniversityOttawa HospitalMount Sinai HospitalHealth Sciences CentreOntario Stroke NetworkSunnybrook Health Science CentreLondon Health Sciences CentreMcMaster UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineAuditEmergency medicineDosingBlood transfusionFresh frozen plasmaAdverse effectIntensive care medicinePediatricsInternal medicinePlatelet

Résumé

récupéré en direct d'OpenAlex

Importance: Plasma is frequently transfused to patients who are bleeding or require an invasive procedure and have a deficiency of coagulation factors. Despite published guidelines delineating optimal plasma use, two recent audits have suggested that over 50% of the plasma transfused is unnecessary. Inappropriate utilization of plasma has numerous adverse consequences for the recipient, as well as the health care system. Objective: To determine the proportion of inappropriate plasma use with a multicenter electronic data audit and identify focused areas for intervention to reduce inappropriate use. Setting: 3 tertiary care academic sites across Ontario, Canada: Hamilton Health Sciences Centre (Hamilton, Ontario), Sunnybrook Health Sciences Centre (Toronto, Ontario), London Health Sciences Centre (London, Ontario). Participants: All adult inpatients receiving plasma during the time period January 1, 2017 and December 31, 2017. Design: Four areas of inappropriate plasma use in adult patients were defined: (1) patients with a normal INR <1.5 and who were not actively bleeding or moderate bleeding only (1 unit RBC transfused within 24 hours before or after plasma transfusion or 20 g/L drop in hemoglobin); (2) elevated INR >1.5, without active bleeding or procedures in 6 hours after plasma transfusion (1 calendar day when time of procedure was not available); (3) no INR drawn before or after plasma infusion; (4) inappropriate non-therapeutic plasma dose of plasma (≤ 2 units) . Results: A total 4,385 plasma transfusion events occurred in 1,844 inpatient admissions. Appropriate indication and dosing was found in 813 (18.5%) of the events. Inappropriate compliance occurred in 3,572 (81.5%) of the events: 608 (13.9%) events occurred in the pre-specified criteria (1-3) above; inappropriate dosing alone occurred in 1,583 (36.1%) events; and, a combination of inappropriate dosing in addition to any 1-3 pre-defined categories occurred in 1,381 (31.5%) transfusion events. Patients transfused with a documented INR (81.5%) in the 24 hours preceding plasma transfusion had a mean INR value 1.8+1.7 (INR + SD). The mean overall reduction after 1-24 hours of plasma transfusion was -0.5+1.6 . Conclusions and Relevance: A significant amount of plasma is transfused inappropriately, leading to potential patient harm, significant unnecessary costs, and diversion of plasma away from fractionation impacting the supply of intravenous immunoglobulin. This study will inform a large quality improvement study aimed at reducing unnecessary plasma transfusion. Disclosures Heddle: Novartis: Research Funding. Arnold:Principia: Consultancy; Bristol-Myers Squibb: Research Funding; Novartis: Honoraria, Research Funding; Rigel: Consultancy, Research Funding. Hsia:Amgen: Honoraria; Jansen: Honoraria, Membership on an entity's Board of Directors or advisory committees; Novartis: Honoraria, Membership on an entity's Board of Directors or advisory committees; Pfizer: Membership on an entity's Board of Directors or advisory committees.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,309
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBlood→Même sujetBlood transfusion and management→Travaux en français237 207→