Avoidable Blood Loss in Critical Care and Patient Blood Management: Scoping Review of Diagnostic Blood Loss
Notice bibliographique
Résumé
BACKGROUND: Anemia remains one of the most common comorbidities in intensive care patients worldwide. The cause of anemia is often multifactorial and triggered by underlying disease, comorbidities, and iatrogenic factors, such as diagnostic phlebotomies. As anemia is associated with a worse outcome, especially in intensive care patients, unnecessary iatrogenic blood loss must be avoided. Therefore, this scoping review addresses the amount of blood loss during routine phlebotomies in adult (>17 years) intensive care patients and whether there are factors that need to be improved in terms of patient blood management (PBM). METHODS: A systematic search of the Medline Database via PubMed was conducted according to PRISMA guidelines. The reported daily blood volume for diagnostics and other relevant information from eligible studies were charted. RESULTS: A total of 2167 studies were identified in our search, of which 38 studies met the inclusion criteria (9 interventional studies and 29 observational studies). The majority of the studies were conducted in the US (37%) and Canada (13%). An increasing interest to reduce iatrogenic blood loss has been observed since 2015. Phlebotomized blood volume per patient per day was up to 377 mL. All interventional trials showed that the use of pediatric-sized blood collection tubes can significantly reduce the daily amount of blood drawn. CONCLUSION: Iatrogenic blood loss for diagnostic purposes contributes significantly to the development and exacerbation of hospital-acquired anemia. Therefore, a comprehensive PBM in intensive care is urgently needed to reduce avoidable blood loss, including blood-sparing techniques, regular advanced training, and small-volume blood collection tubes.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».