International Society of Blood Transfusion survey of experiences of blood banks and transfusion services during the <scp>COVID</scp>‐19 pandemic
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: The coronavirus disease 2019 (COVID-19) pandemic has impacted blood systems worldwide. Challenges included maintaining blood supplies and initiating the collection and use of COVID-19 convalescent plasma (CCP). Sharing information on the challenges can help improve blood collection and utilization. MATERIALS AND METHODS: A survey questionnaire was distributed to International Society of Blood Transfusion members in 95 countries. We recorded respondents' demographic information, impacts on the blood supply, CCP collection and use, transfusion demands and operational challenges. RESULTS: Eighty-two responses from 42 countries, including 24 low- and middle-income countries, were analysed. Participants worked in national (26.8%) and regional (26.8%) blood establishments and hospital-based (42.7%) institutions. CCP collection and transfusion were reported by 63% and 36.6% of respondents, respectively. Decreases in blood donations occurred in 70.6% of collecting facilities. Despite safety measures and recruitment strategies, donor fear and refusal of institutions to host blood drives were major contributing factors. Almost half of respondents working at transfusion medicine services were from large hospitals with over 10,000 red cell transfusions per year, and 76.8% of those hospitals experienced blood shortages. Practices varied in accepting donors for blood or CCP donations after a history of COVID-19 infection, CCP transfusion, or vaccination. Operational challenges included loss of staff, increased workloads and delays in reagent supplies. Almost half of the institutions modified their disaster plans during the pandemic. CONCLUSION: The challenges faced by blood systems during the COVID-19 pandemic highlight the need for guidance, harmonization, and strengthening of the preparedness and the capacity of blood systems against future infectious threats.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».