Willingness of volunteers from Canadian Blood Service's Stem Cell Registry to donate blood, marrow, and other tissues for regenerative therapy
Notice bibliographique
Résumé
BACKGROUND: As research surrounding cell-based regenerative therapy advances toward human trials, greater demand for cell products sourced from healthy donors will arise. The extent to which volunteers in Canadian Blood Services Stem Cell Registry would be willing to donate cells to support regenerative therapy is not known and warrants exploration. METHODS: We conducted a Web-based survey to assess factors that would influence donor willingness to donate various tissues (blood, skin, fat, and bone marrow) for regenerative therapy. The survey was provided to 15,000 randomly selected donors who registered between 2013 and 2018. Data from the 1118 respondents were analyzed. RESULTS: Despite a mixed degree of familiarity with regenerative medicine, potential donors were very supportive of donating for direct patient care and for research, and increasing their familiarity by reading a brief paragraph of information on regenerative medicine increased willingness to donate. Canadian Blood Services' stem cell registrants greatly preferred supporting nonprofit groups in research and development in comparison to entities that represent profit-seeking industry involvement. The most important factors influencing donor willingness to donate were having an impact on patients, safety of donation, advancing knowledge in regenerative medicine, a manageable time commitment, and tolerable pain that could be managed. Donors were most willing to donate blood and had mixed responses to donating other tissue types. CONCLUSIONS: Adult volunteers from a national stem cell registry are willing to support donation of biospecimens for regenerative therapy.
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 ».