Notice bibliographique
Résumé
Cell concentrating and washing techniques are widely accepted and believed to be beneficial to cardiac surgery patients. During cell processing, platelets, proteins, and clotting factors are wasted as the plasma is washed away by saline. Beneficial and costly plasma constituents are sacrificed for the sake of removing potentially harmful drugs, debris, and naturally activated cells and chemical mediators. An interactive Microsoft Excel spreadsheet was designed to input patient and autotransfusion system (ATS) reservoir blood values, processed centrifugal bowl data, and hospital allogeneic blood product concentration and cost information. The spreadsheet calculates the number of wasted platelets, grams of protein, and milligrams of fibrinogen. The calculator further estimates the number of units and cost of allogeneic blood products needed to replace the wasted blood components. The simulation allows for variable levels of platelet activation and protein removal during centrifugal cell processing. Specific case scenarios may be simulated with the calculator. If a known volume of residual extracorporeal circuit blood with a known hematocrit, platelet count, and protein concentration is diverted to the ATS reservoir to be processed and washed after bypass, the number of units of fresh frozen plasma, platelet packs, and albumin concentrate needed to replace the wasted proteins and platelets may be calculated. When typical end-bypass patient and blood bank product values are input, the cost to replace the wasted blood components in 1550 mL of residual circuit blood with allogeneic blood products is about US $2097. There are risks and costs associated with replacing the platelets, proteins, and clotting factors wasted during cell washing compared with other techniques such as whole blood ultrafiltration.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».