Research partnerships between blood services and public health authorities: An international, cross‐sectional survey
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: The COVID-19 pandemic has brought to the fore how blood services can partner with public health (PH) authorities to inform decisions. Yet the scope of partnerships between blood services and PH authorities is inadequately documented. We explored how blood services partner with PH authorities outside the scope of COVID-19. MATERIALS AND METHODS: On 19 January 2022, survey was sent to employees of blood services located throughout the world. Survey questions mainly pertained to partnerships with PH authorities, including how blood specimens are used and collected. RESULTS: Twenty-seven recipients-4 (14.8%) in Africa, 3 (11.1%) in Asia, 9 (33.3%) in Europe, 6 (22.2%) in North America, 2 (7.4%) in Oceania and 3 (11.1%) in South America-completed the survey. Fifteen recipients (55.6%) indicated their blood service was directly or indirectly supervised by PH authorities. Twenty-four recipients (88.9%) indicated currently using or planning to use blood donor data or samples for PH research or pathogen surveillance. A substantial proportion of respondents reported using samples or results from non-routine tests for the surveillance of non-transfusion-transmitted infectious disease pathogens (n = 13 [48.1%]); samples or results of non-routine tests for PH research unrelated to pathogens (n = 10 [37.0%]); donor data for PH research unrelated to pathogens (n = 12 [44.4%]) and donor data for PH research unrelated to transfusion safety (n = 11 [40.7%]). Fourteen (51.9%) had established (or planned to establish) longitudinal cohorts and 19 (70.4%) biobanks. CONCLUSION: The majority of responding blood services were already involved in or planned to be involved in PH research or pathogen 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 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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 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 ».