Targeted recruitment of optimal donors for unrelated hematopoietic cell transplantation
Notice bibliographique
Résumé
OBJECTIVE/BACKGROUND: Patients in need of hematopoietic stem cell transplantation often cannot find a suitable HLA-matched donor in their families and rely on unrelated donors. Individuals can register with their country's donor registry either online or at a stem cell drive by providing consent and a tissue sample for typing. METHODS: Stem Cell Club is a donor recruitment organization in Canada that recruits Canadians as stem cell donors. This article outlines the Stem Cell Club's protocol for donor recruitment at stem cell drives including five core components: prescreening, informed consent, registration, tissue sample collection, and reconciliation. RESULTS: At stem cell drives, recruiters approach individuals from the most-needed demographic groups, catch their attention, explain the purpose of the drive, and prescreen them to ensure eligibility. Recruiters then secure informed consent, educating registrants about the stem cell donation process, the risks involved, the right to withdraw, and donor-patient anonymity. Recruiters subsequently ask registrants to register by providing their contact/demographic information, completing a health questionnaire, and signing a consent form. Recruiters also guide registrants to provide a tissue sample (e.g., buccal swab) for typing. Finally, recruiters reconcile completed registration kits and prepare them for shipment to the donor registry. Data are presented demonstrating the effectiveness of stem cell drives employing this protocol on recruitment of the most-needed donor demographics and of quality donors. CONCLUSION: This protocol incorporates best practices for unrelated donor recruitment. It is relevant to donor recruitment organizations worldwide seeking to improve their recruitment efforts and standardize registrant experience.
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) | 0,001 | 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 | 0,001 | 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 ».