Risk factors for T‐cell lymphopenia in frequent platelet donors: The <scp>BEST</scp> collaborative study
Notice bibliographique
Résumé
Abstract Background Severe T‐cell lymphopenia of uncertain clinical significance has been observed in frequent apheresis platelet donors. Two commonly used plateletpheresis instruments are the Trima Accel, which uses a leukoreduction system (LRS) chamber to trap leukocytes and the Fenwal Amicus, which does not use an LRS chamber. Study Design and Methods We performed an international, multicenter, observational study comparing T‐cell populations in frequent platelet donors collected exclusively using the Trima instrument ( n = 131) or the Amicus instrument ( n = 77). Age‐ and sex‐matched whole blood donors ( n = 126) served as controls. Results CD4 + T‐cell counts <200 cells/μL were found in 9.9% of frequent Trima (LRS+) platelet donors, 4.4% of frequent Amicus (LRS−) platelet donors, and 0 whole blood donors ( p < .0001). CD4 + T‐cell counts <200 cells/μL were only seen in platelet donors with ≥200 lifetime donations. In multivariable analysis, age, lifetime donations, and instrument (Trima vs. Amicus) were independent risk factors for lymphopenia. In 40 Trima platelet donors, a plasma rinseback procedure was routinely performed following platelet collections. No Trima platelet donors receiving plasma rinseback had a CD4 + T‐cell count <200 cells/μL versus 13/91 Trima platelet donors not receiving plasma rinseback ( p = .01). Discussion Recurrent bulk lymphocyte removal appears to contribute to the development of T‐cell lymphopenia in frequent, long‐term platelet donors. Lymphopenia is more common when an LRS chamber is used during platelet collection but can occur without an LRS chamber. Blood centers using LRS chambers can mitigate donor lymphopenia by performing plasma rinseback.
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 | 0,000 | 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 | 0,000 |
| 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 ».