Individual‐ and hospital‐level correlates of red blood cell, platelet, and plasma transfusions among hospitalized children and neonates: a nationally representative study in the United States
Notice bibliographique
Résumé
BACKGROUND: Factors associated with red blood cell (RBC), plasma, and platelet transfusions in hospitalized neonates and children across the United States have not been well characterized. METHODS: Data from the Kids' Inpatient Database (KID) 2016 were analyzed. KID is a random sample of 10% of all uncomplicated in-hospital births and 80% of remaining pediatric discharges from approximately 4200 US hospitals. Sampling weights were applied to generate nationally representative estimates. Primary outcome was one or more RBC transfusion procedures; plasma and platelet transfusions were assessed as secondary outcomes. Analysis was stratified by age: neonates (NEO; ≤28 d), and nonneonates (PED; >28 d and <18 y). Multivariable logistic regression was used to estimate adjusted odds ratios (aORs) and 95% confidence intervals (95% CIs). RESULTS: Among 5,604,984 total hospitalizations, overall prevalence of transfusions was 1.07% (95% CI, 0.94%-1.22%) for RBCs, 0.17% (95% CIs, 0.15%-0.21%) for plasma and 0.35% (95% CI, 0.30%-0.40%) for platelet transfusions. RBC transfusions occurred among 0.43% NEO admissions and 2.63% PED admissions. For NEO admissions, RBC transfusion was positively associated with nonwhite race, longer length of hospitalization, highest risk of mortality (aOR, 86.58; 95% CI, 64.77-115.73) and urban teaching hospital location. In addition to the above factors, among PED admissions, RBC transfusion was positively associated with older age, female sex (aOR, 1.10; 95% CI, 1.07-1.13), and elective admission status (aOR, 1.62; 95% CI, 1.46-1.80). Factors associated with plasma and platelet transfusions were largely similar to those associated with RBC transfusion, except older age groups had lower odds of plasma transfusion among PED admissions. CONCLUSIONS: While there is substantial variability in the proportion of neonates and nonneonatal children transfused nationally, there are several similar, yet unique, nonlaboratory predictors of transfusion identified in these age groups.
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 | 0,001 |
| 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 ».