Pathogen reduction of whole blood: Supplementing fibrinogen partly corrects clot formation in a massive transfusion model
Notice bibliographique
Résumé
BACKGROUND: The use of whole blood (WB) to treat trauma patients is becoming more common. Similar to the treatment of individual components, pathogen inactivation (PI) technologies are available to treat WB. The impact of PI on WB function is not well understood. This study investigated the impact of PI of WB with riboflavin/ultraviolet (UV) light on its hemostatic function by modeling transfusion scenarios for trauma patients and assessing transfusion efficacy by rotational thromboelastometry (ROTEM). As fibrinogen is affected by PI of WB, the effect of fibrinogen supplementation commonly used in trauma patients was also analyzed in this model. STUDY DESIGN AND METHODS: Trauma transfusion scenarios were simulated by mixing untreated WB or WB treated with the Mirasol PI technology (riboflavin/UV) in different ratios with hemodiluted blood, and the thromboelasticity was monitored by ROTEM. The impact of supplementation with the fibrinogen concentrate RiaSTAP was investigated in this model. RESULTS: Pathogen-inactivated WB (PI-WB) showed decreased activity in the hemostatic profile compared to the untreated control. Hemodiluted blood at a hematocrit (hct) of 20%, which was reconstituted with PI-WB or untreated WB, exhibited increased alpha values, maximum clot firmness, and clot formation time. Simulating transfusion scenarios by blood replacement with PI-WB resulted in a significant difference in ROTEM parameters between reconstituted PI-treated and -untreated WB (p ≥ .05). The effect of PI treatment waned when PI-WB was enriched with fibrinogen. CONCLUSION: ROTEM investigations suggest that PI treatment has a negative impact on WB clot formation unless fibrinogen supplementation is used.
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 ».