Residual risk of transfusion‐transmitted hepatitis B virus (<scp>TT‐HBV</scp>) infection by <scp>NAT</scp>‐screened blood components: A review of observed versus modeled infectivity from donors with window period and occult <scp>HBV</scp> infections
Notice bibliographique
Résumé
BACKGROUND: The residual transfusion-transmitted hepatitis B virus (TT-HBV) risk with different testing strategies depends on the sensitivity of screening assays, the prevalence of hepatitis B surface antigen (HBsAg) compared to HBV-DNA in window period (WP) and occult HBV infections (OBIs), and infectivity of blood in these infection stages. We compared modeled WP and OBI transmission risk in a multiregional individual donation nucleic acid amplification technology (ID-NAT) screening study with observed TT-HBV infection rates in several lookback studies. STUDY DESIGN AND METHODS: ), a key factor in the applied risk models, was assumed to be 100-fold higher in OBI than in WP blood. The relative proportion of WP and OBI TT-risk was estimated for different screening scenarios and expressed as a percentage of the ID-NAT yield rate to allow for comparison with observed TT-rates in lookback studies. RESULTS: Despite sevenfold to eightfold higher HBV ID-NAT yield rates in OBI than WP in South-East Asia and Europe, our models predicted that 40 (26-55)% of total residual TT-HBV risk was due to OBI, comparable to 37% observed in a Japanese hemovigilance study. Modeled TT-OBI risk was approximately 10-fold higher than observed rates of 2%-8% in five lookback studies but comparable to one other study (36%). CONCLUSION: Although the observed TT-OBI rate was generally lower than the modeled risk, the relative risk of WP versus OBI transmission was not incompatible with the observational infectivity data. This supports the validity of our assumptions in the infectivity-based models for estimating worst-case residual risk with different testing scenarios.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».