Re‐evaluating treatment thresholds in patient blood management: Female patients experience more perioperative anaemia and higher transfusion rates in major elective surgery
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: By optimizing erythropoiesis, patient blood management (PBM) programmes can reduce transfusions, lower mortality and provide cost-effective care. While definitions of anaemia have historically varied by sex, for the purposes of PBM, anaemia is defined as a haemoglobin <130 g/L. Our objective was to describe whether perioperative anaemia and transfusion rates in the PBM setting vary by sex. MATERIALS AND METHODS: We conducted a retrospective study of the Ontario Nurse Transfusion Coordinators Program (ONTraC) database from 2018 to 2022. ONTraC collects data from 25 Ontario hospitals which together account for >70% of Ontario's provincial blood use (~400,000 units per year). We collected data on patients undergoing elective isolated coronary artery bypass graft surgery (CABG), open heart valve replacement, CABG plus valve replacement, single-knee arthroplasty and single-hip arthroplasty. RESULTS: From 2018 to 2022, 17,700 patients were included in the ONTraC program; 47% were females (N = 8376). Across almost all years and procedures, females were found to have a significantly lower pre-operative, nadir and discharge haemoglobin as compared with males, irrespective of PBM interventions. Transfusion rates were significantly higher for females; this was most pronounced in cardiac surgery. CONCLUSION: Females experienced more perioperative anaemia and higher transfusion rates. Historic sex-specific definitions of anaemia may contribute to a greater tolerance of anaemia in females. Prioritizing females for multimodal PBM and consistently achieving a pre-operative haemoglobin >130 g/L may reduce the amount of red blood cell (RBC) transfusions that female patients receive.
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 | 0,001 |
| 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 ».