Proceedings of the 2022 <scp>NHLBI</scp> and <scp>OASH</scp> state of the science in transfusion medicine symposium
Notice bibliographique
Résumé
BACKGROUND: State of the Science (SoS) meetings are used to define and highlight important unanswered scientific questions. The National Heart, Lung, and Blood Institute (NHLBI), National Institutes of Health, and the Office of the Assistant Secretary for Health (OASH), Department of Health and Human Services held a virtual SoS in transfusion medicine (TM) symposium. STUDY DESIGN AND METHODS: In advance of the symposium, six multidisciplinary working groups (WG) convened to define research priorities in the areas of: blood donors and the supply, optimizing transfusion outcomes for recipients, emerging infections, mechanistic aspects of components and transfusion, new computational methods in transfusion science, and impact of health disparities on donors and recipients. The overall objective was to identify key basic, translational, and clinical research questions that will help to increase and diversify the volunteer donor pool, ensure safe and effective transfusion strategies for recipients, and identify which blood products from which donors best meet the clinical needs of specific recipient populations. RESULTS: On August 29-30, 2022, over 400 researchers, clinicians, industry experts, government officials, community members, and patient advocates discussed the research priorities presented by each WG. Dialogue focused on the five highest priority research areas identified by each WG and included the rationale, proposed methodological approaches, feasibility, and barriers for success. DISCUSSION: This report summarizes the key ideas and research priorities identified during the NHLBI/OASH SoS in TM symposium. The report highlights major gaps in our current knowledge and provides a road map for TM research.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».