Integrated analysis of blood donor metabolic phenotypes and genetic traits on red blood cell transfusion effectiveness
Notice bibliographique
Résumé
Recent large-scale population studies in humans and in murine models of red blood cell (RBC) function identified associations between metabolic phenotypes, or genetic traits linked to them, and transfusion effectiveness. These metabolic phenotypes were identified in independent studies focusing on different mechanistic aspects of the storage lesion. The lack of an integrated analysis raised the question as to whether these signatures were redundant measures of the same underlying processes or could be evaluated together to inform a Precision Medicine approach to clinical transfusion practice. To bridge this gap, we performed an integrated analysis in 5,386 patients who received 6,220 single-unit RBC transfusions, evaluating donor metabolic and genetic results from several studies on hemoglobin increments following RBC transfusion. Our results indicate that previously reported metabolic and genetic predictors of hemoglobin increments remain significant, with an effect size between 0.05 and 0.15 g/dL, when evaluated concurrently. Our observational findings indicate that transfusing RBC units from donors with specific genetic traits, are not only negatively associated with immediate effectiveness but also increased downstream RBC transfusion events, further highlighting the need for refined donor screening practices. Altogether, this evidence supports adoption of a Precision Medicine approach to transfusion practice, where genetic screening of donors at first donation and longitudinal metabolic profiling could inform blood inventory management and allocation strategies, ensuring optimal outcomes for transfusion recipients.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».