Development and evaluation of checklists to support the recruitment of committed hematopoietic stem cell donors
Notice bibliographique
Résumé
BACKGROUND: Checklists are memory recall tools used across healthcare to improve outcomes. Here, we describe the development and evaluation of checklists to support recruitment of committed allogeneic hematopoietic stem cell donors. STUDY DESIGN AND METHODS: Checklists were developed with the following objectives: (1) improve best-practice adherence; (2) reduce errors; and (3) support standardization at stem cell drives. Topics included: recruiting needed donors; securing informed consent; maintaining good-documentation practices; and supervising registration and tissue sample collection. Checklists were iteratively revised with input from stakeholders. We evaluated the checklists by examining recruitment outcomes and errors (i.e., preventing registrants from being listed as donors) pre- (11/2011-8/2016) and post- (9/2016-11/2019) implementation by the Canadian donor recruitment organization Stem Cell Club. Quantitative and qualitative methods were employed to analyze recruiters' perspectives on the checklists. RESULTS: The checklists supported recruitment of donors from needed demographic groups as Stem Cell Club expanded its recruitment effort from 4118 registrants (60% male, 58% non-European) pre-implementation to 10,621 (52% male, 56% non-European) post-implementation. Checklist implementation was associated with a marked reduction in errors (from 13.2% to 1.9%) and a three-fold increase in the match rate of recruited donors (from 0.024% to 0.075%). Qualitative and quantitative analysis of recruiter feedback supported that the checklists' objectives were realized from the recruiter perspective. DISCUSSION: We developed checklists to support donor recruitment and showed that their implementation was valued by recruiters and associated with both reduced errors and improved donor recruitment outcomes. The checklists are relevant to donor recruitment organizations worldwide.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,302 | 0,398 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,008 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,008 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».