Best practices in the differential diagnosis and reporting of acute transfusion reactions
Notice bibliographique
Résumé
Christopher M Hillis,1–3,* Andrew W Shih,1,3,* Nancy M Heddle1,3,4 1Department of Medicine, 2Department of Oncology, 3McMaster Transfusion Research Program, McMaster University, Hamilton, 4Centre for Innovation, Canadian Blood Services, Ottawa, ON, Canada  *These authors contributed equally to this work Abstract: An acute transfusion reaction (ATR) is any reaction to blood, blood components, or plasma derivatives that occurs within 24 hours of a transfusion. The frequencies of ATRs and the associated symptoms, reported by the sentinel sites of the Ontario Transfusion Transmitted Injuries Surveillance System from 2008 to 2012, illustrate an overlap in presenting symptoms. Despite this complexity, the differential diagnosis of an ATR can be determined by considering predominant signs or symptoms, such as fever, dyspnea, rash, and/or hypotension, as these signs and symptoms guide further investigations and management. Reporting of ATRs locally and to hemovigilance systems enhances the safety of the blood supply. Challenges to the development of an international transfusion reaction reporting system are discussed, including the issue of jurisdiction and issues of standardization for definitions, investigations, and reporting requirements. This review discusses a symptom-guided approach to the differential diagnosis of ATRs, the evolution of hemovigilance systems, an overview of the current Canadian system, and proposes a best practice model for hemovigilance based on a World Health Organization patient safety framework. Keywords: blood transfusion, blood components, hemovigilance
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 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 ».