Motivators and barriers to blood donation among potential donors of African and Caucasian ethnicity.
Notice bibliographique
Résumé
BACKGROUND: Minority blood donation, especially from individuals of African ethnicity, is a focus for many countries with diverse populations. As the need for antigen-negative RBC transfusions for patients with Sickle Cell Disease (SCD) continues to grow, inclusion of more African blood donors is essential to ensure this demand is met. MATERIALS AND METHODS: This study aims to explore barriers and motivators to blood donation and awareness of SCD among potential donors of diverse ethnic backgrounds in Ireland. Following ethical approval, patients attending the National Sickle Cell Disease and Thalassemia service at St James's Hospital were invited to share an online anonymous survey within their local communities to achieve snowball-sampling. RESULTS: 387 respondents completed the survey, including 311 non-donors (median age 25 years, 67% female). Ethnic backgrounds included: African or African-Irish (59%), White or Caucasian (25%), Asian (8%), Hispanic or Latino (3%), Middle Eastern (3%), Multiracial or Biracial (2%). The most commonly identified barrier overall was lack of information on blood donation. African respondents were significantly more likely to report lack of information and malaria-related barriers than Caucasians. Motivators also varied across ethnic groups, with African respondents more likely to donate to help someone within their own community or for religious motivators. Awareness of SCD was higher among African respondents. DISCUSSION: While some barriers to blood donation are shared across all ethnic groups including lack of information, notable differences exist between Caucasian and African respondents. Specific actions to recruit and retain African blood donors should focus on these key areas.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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; 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 ».