Published May 28, 2015
| Version v1
Publication
Open
Improving Decision Making for Massive Transfusions in a Resource Poor Setting: A Preliminary Study in Kenya
Creators
- 1. Brigham and Women's Hospital
- 2. Kijabe Hospital
Description
The reality of finite resources has a real-world impact on a patient's ability to receive life-saving care in resource-poor settings. Blood for transfusion is an example of a scarce resource. Very few studies have looked at predictors of survival in patients requiring massive transfusion. We used data from a rural hospital in Kenya to develop a prediction model of survival among patients receiving massive transfusion.Patients who received five or more units of whole blood within 48 hours between 2004 and 2010 were identified from a blood registry in a rural hospital in Kenya. Presenting characteristics and in-hospital survival were collected from charts. Using stepwise selection, a logistic model was developed to predict who would survive with massive transfusion versus those who would die despite transfusion. An ROC curve was created from this model to quantify its predictive power.Ninety-five patients with data available met inclusion criteria, and 74% survived to discharge. The number of units transfused was not a predictor of mortality, and no threshold for futility could be identified. Preliminary results suggest that initial blood pressure, lack of comorbidities, and indication for transfusion are the most important predictors of survival. The ROC curve derived from our model demonstrates an area under the curve (AUC) equal to 0.757, with optimism of 0.023 based on a bootstrap validation.This study provides a framework for making prioritization decisions for the use of whole blood in the setting of massive bleeding. Our analysis demonstrated an overall survival rate for patients receiving massive transfusion that was higher than clinical perception. Our analysis also produced a preliminary model to predict survival in patients with massive bleeding. Prediction analyses can contribute to more efficient prioritization decisions; these decisions must also include other considerations such as equity, acceptability, affordability and sustainability.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
إن واقع الموارد المحدودة له تأثير حقيقي على قدرة المريض على تلقي الرعاية المنقذة للحياة في البيئات الفقيرة بالموارد. الدم المستخدم في نقل الدم هو مثال على مورد نادر. وقد نظرت دراسات قليلة جدا في مؤشرات البقاء على قيد الحياة في المرضى الذين يحتاجون إلى نقل الدم على نطاق واسع. استخدمنا بيانات من مستشفى ريفي في كينيا لتطوير نموذج تنبؤي للبقاء على قيد الحياة بين المرضى الذين يتلقون نقل دم ضخم. تم تحديد المرضى الذين تلقوا خمس وحدات أو أكثر من الدم الكامل في غضون 48 ساعة بين عامي 2004 و 2010 من سجل الدم في مستشفى ريفي في كينيا. تم جمع خصائص العرض والبقاء على قيد الحياة في المستشفى من الرسوم البيانية. باستخدام الانتقاء التدريجي، تم تطوير نموذج لوجستي للتنبؤ بمن سيعيش مع نقل الدم الهائل مقابل أولئك الذين سيموتون على الرغم من نقل الدم. تم إنشاء منحنى ROC من هذا النموذج لتحديد قوته التنبؤية. استوفى خمسة وتسعون مريضًا لديهم بيانات متاحة معايير الإدراج، ونجا 74 ٪ منهم حتى الخروج. لم يكن عدد الوحدات المنقولة مؤشراً على الوفيات، ولم يكن من الممكن تحديد عتبة عدم الجدوى. تشير النتائج الأولية إلى أن ضغط الدم الأولي، ونقص الأمراض المصاحبة، ومؤشر نقل الدم هي أهم مؤشرات البقاء على قيد الحياة. يوضح منحنى ROC المستمد من نموذجنا مساحة تحت المنحنى (AUC) تساوي 0.757، مع تفاؤل 0.023 بناءً على التحقق من صحة التمهيد. توفر هذه الدراسة إطارًا لاتخاذ قرارات تحديد الأولويات لاستخدام الدم الكامل في وضع النزيف الهائل. أظهر تحليلنا معدل البقاء على قيد الحياة بشكل عام للمرضى الذين يتلقون نقل دم ضخم كان أعلى من الإدراك السريري. أنتج تحليلنا أيضًا نموذجًا أوليًا للتنبؤ بالبقاء على قيد الحياة في المرضى الذين يعانون من نزيف حاد. يمكن أن تساهم تحليلات التنبؤ في اتخاذ قرارات أكثر كفاءة لتحديد الأولويات ؛ يجب أن تتضمن هذه القرارات أيضًا اعتبارات أخرى مثل الإنصاف والمقبولية والقدرة على تحمل التكاليف والاستدامة.Translated Description (French)
La réalité des ressources limitées a un impact réel sur la capacité d'un patient à recevoir des soins vitaux dans des contextes pauvres en ressources. Le sang pour transfusion est un exemple de ressource rare. Très peu d'études ont examiné les facteurs prédictifs de la survie chez les patients nécessitant une transfusion massive. Nous avons utilisé les données d'un hôpital rural au Kenya pour développer un modèle de prédiction de la survie chez les patients recevant une transfusion massive. Les patients qui ont reçu cinq unités de sang total ou plus dans les 48 heures entre 2004 et 2010 ont été identifiés à partir d'un registre de sang dans un hôpital rural au Kenya. Les caractéristiques de présentation et la survie à l'hôpital ont été recueillies à partir de graphiques. En utilisant une sélection par étapes, un modèle logistique a été développé pour prédire qui survivrait avec une transfusion massive par rapport à ceux qui mourraient malgré la transfusion. Une courbe roc a été créée à partir de ce modèle pour quantifier son pouvoir prédictif. Quatre-vingt-quinze patients avec des données disponibles répondaient aux critères d'inclusion, et 74 % ont survécu jusqu'à la sortie. Le nombre d'unités transfusées n'était pas un prédicteur de mortalité, et aucun seuil de futilité n'a pu être identifié. Les résultats préliminaires suggèrent que la pression artérielle initiale, l'absence de comorbidités et l'indication de transfusion sont les prédicteurs les plus importants de la survie. La courbe roc dérivée de notre modèle démontre une aire sous la courbe (AUC) égale à 0,757, avec un optimisme de 0,023 basé sur une validation bootstrap. Cette étude fournit un cadre pour prendre des décisions de priorisation pour l'utilisation de sang total dans le cadre de saignements massifs. Notre analyse a démontré un taux de survie global pour les patients recevant une transfusion massive plus élevé que la perception clinique. Notre analyse a également produit un modèle préliminaire pour prédire la survie chez les patients présentant des saignements massifs. Les analyses de prédiction peuvent contribuer à des décisions de priorisation plus efficaces ; ces décisions doivent également inclure d'autres considérations telles que l'équité, l'acceptabilité, l'abordabilité et la durabilité.Translated Description (Spanish)
La realidad de los recursos finitos tiene un impacto real en la capacidad de un paciente para recibir atención vital en entornos de escasos recursos. La sangre para transfusión es un ejemplo de un recurso escaso. Muy pocos estudios han analizado los predictores de supervivencia en pacientes que requieren transfusión masiva. Utilizamos datos de un hospital rural en Kenia para desarrollar un modelo de predicción de supervivencia entre los pacientes que recibieron transfusiones masivas. Los pacientes que recibieron cinco o más unidades de sangre completa en 48 horas entre 2004 y 2010 fueron identificados a partir de un registro de sangre en un hospital rural en Kenia. Las características de presentación y la supervivencia hospitalaria se recopilaron a partir de gráficos. Utilizando la selección paso a paso, se desarrolló un modelo logístico para predecir quién sobreviviría con una transfusión masiva frente a aquellos que morirían a pesar de la transfusión. A partir de este modelo se creó una curva Roc para cuantificar su poder predictivo. Noventa y cinco pacientes con datos disponibles cumplieron con los criterios de inclusión y el 74% sobrevivió al alta. El número de unidades transfundidas no fue un predictor de mortalidad, y no se pudo identificar ningún umbral de futilidad. Los resultados preliminares sugieren que la presión arterial inicial, la falta de comorbilidades y la indicación de transfusiones son los predictores más importantes de supervivencia. La curva Roc derivada de nuestro modelo demuestra un área bajo la curva (AUC) igual a 0.757, con un optimismo de 0.023 basado en una validación bootstrap. Este estudio proporciona un marco para tomar decisiones de priorización para el uso de sangre entera en el contexto de sangrado masivo. Nuestro análisis demostró una tasa de supervivencia general para los pacientes que recibieron transfusión masiva que fue mayor que la percepción clínica. Nuestro análisis también produjo un modelo preliminar para predecir la supervivencia en pacientes con hemorragia masiva. Los análisis de predicción pueden contribuir a decisiones de priorización más eficientes; estas decisiones también deben incluir otras consideraciones como la equidad, la aceptabilidad, la asequibilidad y la sostenibilidad.Files
journal.pone.0127987&type=printable.pdf
Files
(901.1 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:8134ae2104fedac16f3a1c832cbf4767
|
901.1 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تحسين عملية صنع القرار لعمليات نقل الدم الضخمة في بيئة فقيرة الموارد: دراسة أولية في كينيا
- Translated title (French)
- Améliorer la prise de décision pour les transfusions massives dans un environnement pauvre en ressources : une étude préliminaire au Kenya
- Translated title (Spanish)
- Mejora de la toma de decisiones para transfusiones masivas en un entorno de escasos recursos: un estudio preliminar en Kenia
Identifiers
- Other
- https://openalex.org/W415721917
- DOI
- 10.1371/journal.pone.0127987
References
- https://openalex.org/W1780852645
- https://openalex.org/W193731692
- https://openalex.org/W1977891885
- https://openalex.org/W1980051559
- https://openalex.org/W1981364809
- https://openalex.org/W1995636604
- https://openalex.org/W2003891334
- https://openalex.org/W2010277284
- https://openalex.org/W2015068956
- https://openalex.org/W2026535276
- https://openalex.org/W2038378391
- https://openalex.org/W2048158863
- https://openalex.org/W2071903196
- https://openalex.org/W2085024400
- https://openalex.org/W2088395198
- https://openalex.org/W2091129382
- https://openalex.org/W2108259145
- https://openalex.org/W2138837474