MétaCan
Menu
Retour à la cohorte
Enregistrement W3146635033 · doi:10.1111/vox.13096

Lessons learned in the collection of convalescent plasma during the COVID‐19 pandemic

2021· article· en· W3146635033 sur OpenAlexaff
Silvano Wendel, Kevin J. Land, Dana V. Devine, James Daly, Renée Bazin, Pierre Tiberghien, Cheuk‐Kwong Lee, Satyam Arora, Gopal Kumar Patidar, Kamini Khillan, W. M. Smid, Hans Vrielink, Adaeze Oreh, Arwa Z. Al‐Riyami, Salwa Hindawi, Marion Vermeulen, Vernon Louw, Thierry Burnouf, Evan M. Bloch, Ruchika Goel, Mary Townsend, Cynthia So‐Osman

Notice bibliographique

RevueVox Sanguinis · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBlood donation and transfusion practices
Établissements canadiensHéma-QuébecCanadian Blood Services
Organismes subventionnairesFogarty International Center
Mots-clésPandemicStaffingPreparednessMedicineData collectionCoronavirus disease 2019 (COVID-19)Medical emergencyNursingPolitical scienceDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The lack of definitive treatment or preventative options for COVID-19 led many clinicians early on to consider convalescent plasma (CCP) as potentially therapeutic. Regulators, blood centres and hospitals worldwide worked quickly to get CCP to the bedside. Although response was admirable, several areas have been identified to help improve future pandemic management. MATERIALS AND METHODS: A multidisciplinary, multinational subgroup from the ISBT Working Group on COVID-19 was tasked with drafting a manuscript that describes the lessons learned pertaining to procurement and administration of CCP, derived from a comprehensive questionnaire within the subgroup. RESULTS: While each country's responses and preparedness for the pandemic varied, there were shared challenges, spanning supply chain disruptions, staffing, impact of social distancing on the collection of regular blood and CCP products, and the availability of screening and confirmatory SARS-CoV-2 testing for donors and patients. The lack of a general framework to organize data gathering across clinical trials and the desire to provide a potentially life-saving therapeutic through compassionate use hampered the collection of much-needed safety and outcome data worldwide. Communication across all stakeholders was identified as being central to reducing confusion. CONCLUSION: The need for flexibility and adaptability remains paramount when dealing with a pandemic. As the world approaches the first anniversary of the COVID-19 pandemic with rising rates worldwide and over 115 million cases and 2·55 million deaths, respectively, it is important to reflect on how to better prepare for future pandemics as we continue to combat the current one.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,137
score de la tête « metaresearch » (Gemma)0,188
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,137
Score d'incertitude au seuil0,727

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1370,188
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0070,010
Communication savante0,0130,015
Science ouverte0,0070,009
Intégrité de la recherche0,0110,019
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,083
Tête enseignante GPT0,313
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVox SanguinisMême sujetBlood donation and transfusion practicesTravaux en français237 207