Transfusion Probability as a Novel Measure for Lab-Guided Medical Decision-Making
Notice bibliographique
Résumé
ABSTRACT The clinical decision to transfuse is strongly influenced by laboratory results. Analysis of transfusion decision-making based on pre-transfusion laboratory results (e.g. pre-transfusion hemoglobin) is a common yet misleading approach to study lab-guided transfusion practice. We introduce “Transfusion Probability” as a novel method which overcomes many limitations of pre-transfusion lab result analyses. Under this approach, we estimate the probability of transfusion after results at a specific value (e.g. hemoglobin 7.4 g/dL) or in a range of values (e.g. 7.0-7.9 g/dL) using the proportion of tests followed by transfusion. We provide statistical methodology for causal inference on the effect of patient conditions and apply our method to a large multi-center dataset. Analyses using pre-transfusion and transfusion probability were compared using data from a large longitudinal cohort of hospitalized patients (N=525,032 patients). We found red blood cell transfusion probabilities of 76.2% in the 6.0-6.9 g/dL, 18.9% in the 7.0-7.9 g/dL, and 4.5% in the 8.0-8.9 g/dL hemoglobin range. After confounder adjustment, patients with gastrointestinal bleeding patients were more likely to be transfused across all ranges, with risk differences ranging from 6.6% in the 8.0-8.9 g/dL range to 13.8% in the 6.0-6.9 g/dL range. Pre-transfusion hemoglobin results showed minimal differences between gastrointestinal bleeding patients and other patients in unadjusted (0.00 g/dL) and adjusted analyses (-0.20 g/dL). In contrast to pre-transfusion result analysis, transfusion probability offers a nuanced account of transfusion practice and allows for natural comparisons between patient groups. Wider adoption of transfusion probability analysis may provide direct and actionable insights for clinical decision-making. KEY POINTS Pre-transfusion lab results are a widely used method for studying lab-guided transfusion but subject to many limitations Transfusion probability analysis is a novel and superior approach
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,157 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».