Opportunities for improving platelet transfusion practice: A large retrospective audit across 22 hospitals
Notice bibliographique
Résumé
Summary Despite evidence‐based guidelines to inform platelet transfusion practice, unnecessary platelet transfusion persists. We performed a multicentre retrospective analysis of adults admitted to general medicine, subspecialty medicine and critical care from 1 January 2017 to 30 June 2022. Platelet transfusion guideline compliance was defined as platelet transfusion below 100 × 10 9 /L for neurosurgical, cardiac surgery or extracorporeal membrane oxygenation indications, below 50 × 10 9 /L for invasive procedures, bleeding or therapeutic anticoagulation, and below 10 × 10 9 /L if the patient did not have an immune‐mediated thrombocytopenia. We analysed 821 950 patient admissions at 22 hospital sites, identifying 56 825 platelet transfusion events. Overall, 13 199 (23.2%) platelet transfusion events were guideline‐non‐compliant. High rates of non‐compliant transfusions were observed in the context of anti‐platelet therapy ( n = 1515, 48.5% non‐compliant), cardiac surgery ( n = 1935, 49.7%), invasive procedures ( n = 4648, 29.2%), immune‐mediated thrombocytopenia ( n = 596, 32.9%) and primary prophylaxis ( n = 7370, 47.2%). After adjusting for physician characteristics, there was a lower risk of guideline‐non‐compliant platelet transfusions at academic than at community hospitals (odds ratio [OR] 0.768, 95% confidence interval [CI] 0.678–0.871, p < 0.001). Physician specialty, but not physician gender or years in practice, influenced guideline compliance. These findings underscore the need for targeted intervention to optimize platelet transfusion practices, minimize avoidable transfusion reactions, reduce costs and mitigate platelet shortages.
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 | 0,006 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».