Pre‐donation water and salty snacks to prevent vasovagal reactions among blood donors
Notice bibliographique
Résumé
BACKGROUND: Minimizing the risk of vasovagal reactions (VVRs) can prevent donor harms and improve donor return. We report the results of a program to reduce VVR rates. STUDY DESIGN AND METHODS: The program was implemented on June 11, 2017 and consisted in drinking water and eating a salty snack before donating blood, plasma, or platelets. All donations made during the "pre-program period" (October 11, 2015-June 10, 2017) and "post-program period" (June 11, 2017-May 11, 2019) were included. Study outcomes comprised VVRs (any severity) and syncopal VVRs, whether employee- or donor-reported. An interrupted time series (ITS) analysis proxied causality based on the "pre-program trend," the "immediate trend" (i.e., immediately before versus after the program), and the "post-program trend". The relative risk (RR) of VVR (along with confidence intervals [CIs]) was reported, overall and stratified by subgroups based on age, sex, donor type (i.e., first-time versus repeat), and donation type (i.e., whole blood versus apheresis). RESULTS: The monthly VVR rate (any severity) dropped from 4.6% in the pre-program period to 4.3% in the post-program period, and never reached its pre-program level. The ITS analysis revealed a statistically significant and increasing pre-program trend (RR [95% CI] = 1.011 [1.002-1.020]), a statistically significant and decreasing immediate trend (RR [95% CI] = 0.848 [0.743-0.969]), and a non-statistically-significant and stable post-program trend (RR [95% CI] = 0.999 [0.993-1.006]). Similar trends were observed for nearly all high- and low-risk subgroups. No statistically significant trend was observed for syncopal VVRs. DISCUSSION: These results suggest that the herein-described program durably reduced the incidence of VVRs (any severity) by ~15%.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,003 | 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 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 ».