Secondary bacterial culture of platelets to mitigate transfusion‐associated sepsis: A 3‐year analysis at a large academic institution
Notice bibliographique
Résumé
BACKGROUND: In 2019, the United States Food and Drug Administration published its final recommendations to mitigate bacterial contamination of platelets. We sought to evaluate our secondary bacterial culture (SBC) strategy in light of those recommendations. STUDY DESIGN AND METHODS: A retrospective analysis was conducted of SBC data (October 2016-2019) at our institution. SBC was performed upon receipt (Day 3 after collection); 5 mL of platelet product was inoculated aseptically into an aerobic bottle and incubated at 35°C for 3 days. For 8 months, a 10-mL inoculum was trialed. No quarantine was applied. All positive cultures underwent Gram staining and repeat culture of the platelet product (if available). A probable true positive was defined as concordant positive culture between the initial and repeat culture. The incidence of probable true- and false-positive cultures were reported descriptively and differences evaluated by sampling volume. RESULTS: Over 3 years, 55 896 platelet products underwent SBC, yielding 30 initial positive results (approx. 1/1863 platelets); 25 (83.3%) signaled within 24 hours of SBC. The rates of probable true positive, false positive, and indeterminate for 5 mL were 0.027% (1/3771), 0.002% (1/45 251) and 0.018% (1/5656), respectively. The respective rates for 10 mL were 0.018% (1/5323), 0.07% (1/1521), and 0%. Seven of eight (87.5%) false-positive SBCs occurred with a 10-mL inoculum. No septic transfusion reactions were reported. CONCLUSION: SBC continues to interdict bacterially contaminated units of platelets. Our findings suggest higher rates of false positivity using large-volume inocula.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».