A global analysis of the use of immunoglobulin, shortages in supply, and mitigating measures: A survey of hospital providers (a <scp>BEST</scp> Collaborative study)
Notice bibliographique
Résumé
BACKGROUND: Immunoglobulin (IG) therapy is widely used to treat primary and secondary immune deficiencies and as immunomodulatory agent for various disorders. There is great concern that shortages of IG may rise, potentially affecting medical treatment options. STUDY DESIGN AND METHODS: An international survey was developed to study how intravenous immunoglobulins (IVIGs) are used and managed within hospitals in case of shortages. Study data were collected and managed using REDCap electronic data capture tools hosted by the Biomedical Excellence for Safer Transfusion (BEST) Collaborative. The survey was directed to hospital pharmacists and blood bank transfusion professionals and disseminated through members of the BEST Collaborative network. RESULTS: Survey respondents from institutions in the USA, Canada, Europe, Japan, and Australia (n = 13) confirmed that the primary specialties utilizing IG are neurology, hematology, and immunology. More than 60% of respondents reported IG supply shortages, but mitigation strategies were not well developed. DISCUSSION: As IG is the leading driver in plasma demand, more studies are needed to understand current and future demand for IG from the clinical perspective. Necessity lies in establishing clinical guidance to address shortages.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».