An international survey on measures to prevent transfusion‐transmitted infectious diseases—study results 1: Participation rates and the presence of laws, regulations, standards and best practices
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: A global survey on blood safety measures to prevent transfusion-transmitted infectious diseases (TTIDs) was performed by examining variations in current usage. This analysis focuses on participation rates and the presence of relevant laws, regulations, standards and best practices for collection/processing of whole blood/components. MATERIALS AND METHODS: Distribution occurred between October 2023 and March 2024. States, provinces or cities within China and India were analysed as separate regions. Country/region (C/R) responses were categorized by World Bank income (WBI) levels: low- and lower middle-income (LLMI), upper middle-income (UMI) and high-income (HI). Consensus responses were used for multiple survey responses. RESULTS: Responses from 131 individuals representing 74 C/Rs (65 countries, Hong Kong, counted separately, and 8 regions in China/India) were analysed. Affirmative responses for laws, regulations and standards were similar across WBI levels. Regulatory jurisdiction for blood/components was present in 96% of C/Rs (HI 100%, UMI 100%, LLMI 87%) and 94% at a national level when present (HI 100%, UMI 94%, LLMI 85%). All HI, UMI and 74% LLMI C/Rs reported routinely separating whole blood into components. HI C/Rs were more likely to screen for bacterial contamination, whereas periodic platelet quality control was more common in LLMI and UMI C/Rs. Pathogen reduction and universal leukocyte reduction were more common in HI C/Rs. CONCLUSION: Laws, regulations and standards for collection/processing of blood were consistent across WBI groups. Resource-intensive practices of blood component separation and use of advanced blood safety technologies were more variable, with less utilization in LLMI/UMI C/Rs.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».