Guidance for the procurement of COVID‐19 convalescent plasma: differences between high‐ and low‐middle‐income countries
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: COVID-19 convalescent plasma (CCP) has been used, predominantly in high-income countries (HICs) to treat COVID-19; available data suggest the safety and efficacy of use. We sought to develop guidance for procurement and use of CCP, particularly in low- and middle-income countries (LMICs) for which data are lacking. MATERIALS AND METHODS: A multidisciplinary, geographically representative group of individuals with expertise spanning transfusion medicine, infectious diseases and haematology was tasked with the development of a guidance document for CCP, drawing on expert opinion, survey of group members and review of available evidence. Three subgroups (i.e. donor, product and patient) were established based on self-identified expertise and interest. Here, the donor and product-related challenges are summarized and contrasted between HICs and LMICs with a view to guide related practices. RESULTS: The challenges to advance CCP therapy are different between HICs and LMICs. Early challenges in HICs related to recruitment and qualification of sufficient donors to meet the growing demand. Antibody testing also posed a specific obstacle given lack of standardization, variable performance of the assays in use and uncertain interpretation of results. In LMICs, an extant transfusion deficit, suboptimal models of donor recruitment (e.g. reliance on replacement and paid donors), limited laboratory capacity for pre-donation qualification and operational considerations could impede wide adoption. CONCLUSION: There has been wide-scale adoption of CCP in many HICs, which could increase if clinical trials show efficacy of use. By contrast, LMICs, having received little attention, require locally applicable strategies for adoption of CCP.
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.
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 découle