Additive effects of blood donor smoking and gamma irradiation on outcome measures of red blood cell transfusion
Notice bibliographique
Résumé
BACKGROUND: Recent publications have reported conflicting results regarding the role of blood donor tobacco use on hemoglobin (Hb) levels in patients after red blood cell (RBC) transfusion. We examined associations and interactions between donor, component, and recipient factors to better understand the impact of donor smoking on transfusion outcomes. STUDY DESIGN AND METHODS: We linked blood donor and component manufacturing data, including self-reported cigarette smoking, with a cohort of patients transfused RBCs between 2013 and 2016. Using multivariable regression, we examined Hb increments and subsequent transfusion requirements after single-unit RBC transfusion episodes, adjusting for donor, component, and recipient factors. RESULTS: We linked data on 4038 transfusion recipients who received one or more single-unit RBC transfusions (n = 5086 units) to donor demographic and component manufacturing characteristics. Among RBC units from smokers (n = 326), Hb increments were reduced after transfusion of gamma-irradiated units (0.76 g/dL; p = 0.033) but not unirradiated units (1.04 g/dL; p = 0.54) compared to those from nonsmokers (1.01 g/dL; n = 4760). In parallel with changes in Hb levels, donor smoking was associated with the receipt of additional RBC transfusions for irradiated (odds ratio [OR], 2.49; p = 0.01) but not unirradiated RBC units (OR, 1.10; p = 0.52). CONCLUSION: Donor smoking was associated with reduced Hb increments and the need for additional transfusions in recipients of gamma-irradiated RBC units. Additional research is needed to better understand interactions between donor, component, and recipient factors on efficacy measures of RBC transfusion.
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 | 0,000 | 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 ».