Utilização de Hemocomponentes em Hospital Geral de Juiz de Fora / Use of Blood components at a general hospital in Juiz de Fora
Bibliographic record
Abstract
Os hemocomponentes são utilizados em numerosas situações clínicas e cirúrgicas, determinando, em alguns casos, a manutenção da vida. A Santa Casa de Misericórdia de Juiz de Fora (SCMJF) é um hospital que possui o selo ISO 9001, acreditação plena pela Organização Nacional de Acreditação (ONA) e credenciamento como instituição de ensino pelo Ministério da Educação. A Fundação Hemominas Juiz de Fora (FH) tem como missão ofertar à rede de hospitais contratantes, sangue de boa qualidade. O presente estudo visa verificar as solicitações de hemocomponentes pela SCMJF à FH, determinar a taxa de atendimento e analisar o perfil dos pacientes transfundidos na SCMJF. MATERIAL E MÉTODOS: Trata-se de um estudo transversal de natureza quantitativa de 492 formulários de requisição de hemocomponentes da SCMJF solicitados à FH no período de 01 de janeiro de 2019 a 30 de junho de 2019. A análise estatística das informações extraídas do software HEMOTE® de gestão hemoterápica utilizou o teste de Qui-quadrado do programa SPSS® 14. RESULTADOS: No período estudado, a SCMJF solicitou 2.561 hemocomponentes com taxa de atendimento pela Fundação Hemominas de 98,05%. Em relação ao sexo, 53,9% das transfusões foram em realizadas em mulheres e 56,5% eram pacientes do Sistema Único da Saúde (SUS). Considerando o número total de transfusões (2.223), foi observado que o principal hemocomponente transfundido foi o Concentrado de Hemácias, com 57,26%, com significância estatística (p0,05). Em relação ao grupo sanguíneo, 19,37% das transfusões de Concentrado de Hemácias (CHM) foram do grupo O+ e 19,09% do grupo A+. CONCLUSÕES: O principal hemocomponente utilizado na SCMJF foi o CHM, dados semelhantes aos encontrados na literatura. A análise da gestão de fornecimento, atendimento às requisições de sangue e a taxa de devolução evidenciaram eficiência e eficácia pela FH e SCMJF.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".