The wider perspective: Barriers and recommendations for transfusion support for patients with sickle cell disease in low‐ and middle‐income countries
Notice bibliographique
Résumé
Globally, sickle cell disease (SCD) is the most common inherited haemoglobinopathy. The highest burden of SCD is encountered in low- and middle-income countries (LMICs), most of which lack the resources to contend with the disease. There is a marked divide between care for individuals with SCD in high-income countries (HICs) versus LMICs, whereby the few disease-modifying therapies and curative regimens are only accessible to those in HICs. As such, blood transfusion remains central to the emergent treatment and prevention of complications of SCD. However, there are a myriad of related challenges in LMICs, which have impeded efforts to treat patients with SCD effectively. In addition to blood safety and availability, examples that impact SCD specifically include capabilities to detect and/or manage red blood cell alloimmunization, capacity for automated red cell exchange, limited immunohematology, suboptimal quality oversight with a lack of safeguards to prevent transfusion of incompatible blood and limited or absent post-transfusion surveillance to detect and/or manage transfusion-associated adverse events. Consequently, clinical practices that are otherwise regarded as standard of care in HICs remain the exception in LMICs, highlighting disparities in care. A multifaceted approach that prioritizes transfusion support in LMICs is needed to improve care for patients with SCD.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».