Efficacy of Different Testing Scenarios in Reducing Transfusion-Transmitted Hepatitis B Virus (TT-HBV) Infection Risk
Notice bibliographique
Résumé
The efficacy of different screening scenarios in reducing hepatitis B virus (HBV) transmission risk as compared to the risk without screening was modeled in 9,337,110 donations from four geographical regions that had been subjected to hepatitis B surface antigen (HBsAg) and individual donation nucleic acid amplification testing (ID-NAT). We used the Weusten models for estimating infectivity risk for Red Blood Cell (RBC) transfusions in eight HBV infection stages and then evaluated multiple screening strategies based on minipool (MP) and ID-NAT options of different sensitivity for their efficacy in reducing this risk. The efficacy in reducing HBV transmission risk by screening scenarios across the regions varied between 81% (HBsAg only) and 99.2% (ID-NAT and anti-HBc). Highly sensitive ID-NAT alone achieved a slightly higher risk reduction (97.6−99.0%) than minipool of 6 donations (MP6)-NAT in combination with HBsAg and anti-HBc (96.3−98.7%). In ID-NAT screened lapsed and repeat donors, the additional risk removed by HBsAg testing was minimal (<0.1%). The modeling outcomes in this and two previous reports using this multi-regional database suggest that one could consider an ID-NAT alone testing scenario as an alternative to MP-NAT and serology-based testing algorithms and restrict serologic testing to first-time donors only.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».