International review of blood donation nucleic acid amplification testing
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Nucleic acid amplification testing (NAT), in blood services context, is used for the detection of viral and parasite nucleic acids to reduce transfusion-transmitted infections. This project reviewed NAT for screening blood donations globally. MATERIALS AND METHODS: A survey on NAT usage, developed by the International Society of Blood Transfusion Working Party on Transfusion-transmitted Infectious Diseases (ISBT WP-TTID), was distributed through ISBT WP-TTID members. Data were analysed using descriptive statistics. RESULTS: Forty-three responses were received from 32 countries. Increased adoption of blood donation viral screening by NAT was observed over the past decade. NAT-positive donations were detected for all viruses tested in 2019 (proportion of donations positive by NAT were 0.0099% for human immunodeficiency virus [HIV], 0.0063% for hepatitis C virus [HCV], 0.0247% for hepatitis B virus [HBV], 0.0323% for hepatitis E virus [HEV], 0.0014% for West Nile virus [WNV] and 0.00005% for Zika virus [ZIKV]). Globally, over 3100 NAT-positive donations were identified as NAT yield or solely by NAT in 2019 and over 22,000 since the introduction of NAT, with HBV accounting for over half. NAT-positivity rate was higher in first-time donors for all viruses tested except WNV. During 2019, a small number of participants performed NAT for parasites (Trypanosoma cruzi, Babesia spp., Plasmodium spp.). CONCLUSION: This survey captures current use of blood donation NAT globally. There has been increased NAT usage over the last decade. It is clear that NAT contributes to improving blood transfusion safety globally; however, there is a need to overcome economic barriers for regions/countries not performing NAT.
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 | 0,002 |
| 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 | 0,000 | 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 ».