Blood donor eligibility criteria for medical conditions: A <scp>BEST</scp> collaborative study
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Donor eligibility questions and criteria for medical conditions vary between blood centres, suggesting that they are based more on local regulations or experience, rather than on published data, which are limited. As the donor population ages, medical conditions become more common. We assessed donor health assessment criteria at blood centre members of the Biomedical Excellence for Safer Transfusion (BEST) Collaborative. Our aim was to compare eligibility criteria and determine their underlying basis. MATERIALS AND METHODS: A REDCap survey was sent to blood centre participants, based on medical conditions of greatest interest suggested by the Donor Studies Team of the BEST Collaborative. Participants were asked about current donor health assessment questions, deferral criteria and the basis for their deferral policy (donor risk, recipient risk or both) for 20 medical conditions. RESULTS: Complete responses were received from 26 blood donor centres (24 separate responses) representing a combination of hospital-based centres, large regional centres and community/national blood centres in 14 different countries. Most centres specifically ask about heart and lung conditions, whereas fewer than half inquire about kidney, gastrointestinal or neurological conditions. North American blood centres tended to be less restrictive, while regulatory restrictions are more prevalent in Europe. Most participants felt that the criteria were based on regulatory requirements or experience, rather than on published data. CONCLUSION: There is considerable variability in criteria by region. Ideally, criteria would be more evidence-based rather than based on regulatory requirements or experience. Deferral criteria must balance donor and recipient safety and maintain an adequate blood supply.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».