Bacterial contamination of blood products in Africa
Notice bibliographique
Résumé
BACKGROUND: Bacterial contamination of blood components (notably platelets) remains a leading infectious risk to the blood supply. There has been extensive research in high-income countries to characterize the risk of bacterial contamination along with adoption of strategies to mitigate that risk. By contrast, related data in Africa are lacking. STUDY DESIGN AND METHODS: An electronic survey was distributed to members of African Society of Blood Transfusion to assess existing or planned measures at African blood centers and hospitals to mitigate bacterial contamination of blood products. A literature review of studies pertaining to related transfusion-associated risk in Africa was conducted to complement the findings. RESULTS: Forty-five responses were received, representing 16 African countries. All respondents were urban, either in blood centers (n = 36) or hospital-based transfusion services (n = 9). Reported measures included skin disinfection (n = 41 [91.1%]); diversion pouches (n = 14 [31.1%]); bacterial culture (n = 9 [20%]); pathogen reduction (PR) (n = 3 [6.7%]); and point-of-release testing (PoRT) (n = 2 [4.4%]). Measures being considered for implementation included: skin disinfection (n = 2 [4.4%]); diversion pouches (n = 2 [4.4%]); bacterial culture n = 14 (31.1%); PR (n = 11 [24.4%]); and PoRT (n = 4 [8.9%]). Of the 38 respondents who reported collection of platelets, 14 (36.8%) and 8 (21.1%) reported using diversion pouches and bacterial culture, respectively. The literature review identified 36 studies on the epidemiology of bacterial contamination and septic transfusion reactions in Africa; rates of contamination ranged from 0% to 17.9%. CONCLUSIONS: The findings suggest that prevention of bacterial contamination of blood components and transfusion-associated sepsis in Africa remains neglected. Regional preventive measures have not been widely adopted.
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) | 0,002 | 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) | 0,001 | 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 ».