How Do I Forestall Platelet Stockpiling? Experience from a Tertiary Care Center
Notice bibliographique
Résumé
Background: Among all the blood products, platelets had been reported to have a high rate of outdates due to its unpredictable demand and short shelf life of only 5 days. Researchers have applied techniques of management science and inventory theory to develop a model for inventory management. However, they failed to be implemented due to the variations in the demand and supply and complex computational models. Aims: To analyze the utilization pattern of platelet concentrates and discuss the method of optimal inventory management. Methods: We conducted a prospective observational study on platelet inventory practice at our center from January to December 2014. The number of units to be prepared is decided on daily basis by the transfusion medicine faculty or the resident. The utilization, wastage, expiry and the day’s cover are calculated for the study period. Future requirement is estimated based on the usage in the previous quarter, discard rare, average increase in usage and an additional 1% for managing disasters. Results: During this period a total of 6241 and 5706 units of platelet concentrates were prepared and issued respectively. The wastage rate was 5.1% and expiry rate was 3.5%. The average day’s cover of platelet units at our center was found to be 3 days using average monthly stock available and issued platelets. We observed that holding a stock of 45 units of platelets per day we had a cover for about 3 days for issue. Calculation of future requirement(6309) gave a high prediction when compared to the actual platelets prepared(6241). Conclusions: Understanding and regularly monitoring the inventory, setting up an optimum inventory level, follow of first in first out policy and to have an alternate management plan in times of shortage, like usage of apheresis products are some of the strategies which would benefit in best inventory practices.
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 | 0,001 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».