MétaCan
Menu
Retour à la cohorte
Enregistrement W4301391002 · doi:10.1111/trf.17140

How do we decide how representative our donors are for public health surveillance?

2022· article· en· W4301391002 sur OpenAlexafffund
Sheila F. O’Brien, Steven J. Drews, Antoine Lewin, W. Alton Russell, Katy Davison, Mindy Goldman

Notice bibliographique

RevueTransfusion · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBlood donation and transfusion practices
Établissements canadiensMcGill UniversityUniversité de SherbrookeHéma-QuébecUniversity of AlbertaCanadian Blood ServicesUniversity of Ottawa
Organismes subventionnairesCanadian Blood Services
Mots-clésPopulationMedicineRepresentativeness heuristicPandemicPublic healthSeroprevalencePublic health surveillanceEnvironmental healthDiseaseInfectious disease (medical specialty)ImmunologySerologyCoronavirus disease 2019 (COVID-19)Internal medicinePathologyStatistics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Surveillance of blood donors is fundamental to safety of the blood supply. Such data can also be useful for public health policy but tend to be underutilized. When the COVID-19 pandemic arrived, blood centers around the world measured blood donor SARS-CoV-2 seroprevalence to inform public health policy. There is now a movement toward blood centers becoming more involved in public health research and surveillance post-pandemic. However, blood donors are a healthy population and not representative of all segments of the general population. In this article, we explain how blood centers can evaluate their donor base to understand which part of the general population they are representative of. STUDY DESIGN AND METHODS: Methodologic approaches for evaluating samples relative to the target population were reviewed. Blood donor data that are available to most blood centers were identified and application to assess representativeness of blood donors was evaluated. RESULTS: Key aspects of blood donor data to compare with general population data include donor selection criteria, health indicators, geography, and demographics. In some cases, statistical adjustment can improve representativeness. DISCUSSION: Comparing key blood donor data with corresponding general population data can define the subset of the general population for which a particular blood center's donors may be representative of. We suggest that donors are an ideal convenience population for surveillance of infectious agents which are frequently asymptomatic and main routes of transmission are not deferrable, for studying the natural history of disease in an initially well population, and for vaccination serology surveillance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,280
score de la tête « metaresearch » (Gemma)0,482
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,720
Score d'incertitude au seuil0,888

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2800,482
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0030,007
Communication savante0,0110,013
Science ouverte0,0050,004
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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.

Tête enseignante Opus0,063
Tête enseignante GPT0,289
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransfusionMême sujetBlood donation and transfusion practicesTravaux en français237 207