Comparison of the platelet activation status of single‐donor platelets obtained with two different cell separator technologies
Notice bibliographique
Résumé
BACKGROUND: The microparticle content (MP%) of apheresis platelets-a marker of platelet activation-is influenced by donor factors and by external stressors during collection and storage. This study assessed the impact of apheresis technology and other factors on the activation status (MP%) of single-donor apheresis platelets. STUDY DESIGN AND METHODS: Data from six US hospitals that screened platelets by measuring MP% through dynamic light scattering (ThromboLUX) were retrospectively analyzed. Relative risks (RRs) were derived from univariate and multivariable regression models, with activation rate (MP% ≥15% for plasma-stored platelets; ≥10% for platelet additive solution [PAS]-stored platelets) and MP% as outcomes. Apheresis platform (Trima Accel vs Amicus), storage medium (plasma vs PAS), pathogen reduction, storage time, and testing location were used as predictors. RESULTS: Data were obtained from 7511 platelet units collected using Trima (from 16 suppliers, all stored in plasma, 20.0% were pathogen-reduced) and 2456 collected using Amicus (from four different collection facilities of one supplier, 65.0% plasma-stored, 35.0% PAS-stored, none pathogen-reduced). Overall, 30.0% of Trima platelets were activated compared to 45.6% of Amicus platelets (P < .0001). Multivariable analysis identified apheresis platform as significantly associated with platelet activation, with a lower activation rate for Trima than Amicus (RR: 0.641, 95% confidence interval [CI]: 0.578; 0.711, P < .0001) and a 6.901% (95% CI: 5.926; 7.876, P < .0001) absolute reduction in MP%, when adjusting for the other variables. CONCLUSION: Trima-collected platelets were significantly less likely to be activated than Amicus-collected platelets, irrespective of the storage medium, the use of pathogen reduction, storage time, and testing site.
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 ».