Red blood cell inventory management: Insights from transfusion laboratory technologists in <scp>British Columbia</scp>, <scp>Canada</scp>
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: There is concern about sustaining the O negative blood supply, especially in areas with many rural/remote hospitals like British Columbia. Red blood cells are perishable, making inventory management challenging. Demand must be met without wasting this precious resource. Inventory management challenges stem from data scarcity and human factors. Transfusion medicine technologists, who manage inventory daily, are key to understanding the human factors in inventory management. We conducted a qualitative study to understand technologists' inventory management perspectives and experiences, particularly for group O negative red blood cells, aiming to inform future inventory modelling to address human factors. MATERIALS AND METHODS: We interviewed transfusion laboratory technologists and technical leads from all health authorities and a blood product supplier representative for the Province of British Columbia. Thematic analysis of the interview transcripts was conducted. RESULTS: We found five themes that influence technologist decision-making on RBC inventory management, key challenges for O-negative RBCs, and identified inventory management strategies. We compare the top three inventory practices from our results with literature. CONCLUSIONS: Our findings help bridge the knowledge gap concerning human factors in RBC inventory management, with potential generalizability to other jurisdictions. They hold promise for informing the safeguarding of donors' altruistic contributions.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».