Avancées en médecine transfusionnelle féline : de l’optimisation du prélèvement à la découverte de nouveaux antigènes érythrocytaires
Bibliographic record
Abstract
La médecine transfusionnelle féline a connu une croissance exponentielle au cours des dix dernières années. La découverte du système de groupes sanguins AB et la meilleure compréhension des mécanismes d’incompatibilité donneur-receveur, ainsi que le développement de systèmes de collecte adaptés au chat et de techniques de typage sanguin au chevet du patient ont permis d’améliorer la sécurité des transfusions. Notre travail s’est intégré dans cette volonté d’optimiser la sécurité des transfusions sanguines chez le chat en se concentrant sur deux aspects différents : le prélèvement de sang et les antigènes érythrocytaires à l’origine d’incompatibilités donneur-receveur non expliquées par le système AB. Dans un premier temps, un système de collecte de sang adapté au chat a été fabriqué afin de permettre un prélèvement fermé et autoriser le stockage des produits sanguins. Ce système a été comparé à un système ouvert composé de seringues. Le système fermé apparaît adapté au prélèvement de sang car aucune différence significative n’a été enregistrée dans les paramètres vitaux des donneurs après le prélèvement, le succès du prélèvement, ou la qualité du produit sanguin en termes de contamination bactérienne et d’hémolyse, entre les deux systèmes. Le net avantage du système fermé est qu’il assure un temps de prélèvement plus rapide que le système ouvert. Dans un second temps, en réalisant des tests de compatibilité chez 258 chats de type A, nous avons montré que la probabilité de détecter des incompatibilités entre deux chats de groupe A sélectionnés aléatoirement était de 3.9 %, et que 7 % des chats de groupe A présentaient des allo-anticorps naturels extérieurs au système AB. Sept des 18 allo-anticorps naturels détectés ont été utilisés comme réactifs lors d’un typage sanguin extensif. Les analyses sur l’accord des résultats du typage obtenus avec les différents réactifs ont permis d’identifier cinq nouveaux antigènes érythrocytaires félins différents, nommés FEA 1 à FEA 5 (pour feline erythrocyte antigen), dont l’hérédité, la prévalence, la distribution géographique et par race, ainsi que l’immunogénicité restent encore à déterminer.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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 source (direct Gemma or distilled Codex), 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".