Regional Differences in Kidney Replacement Therapy in Diabetic Kidney Disease: Apollo Dial DB
Notice bibliographique
Résumé
Background: It is unknown if kidney replacement therapy (KRT) types vary in diabetic kidney disease (DKD). We assessed KRT patterns by primary kidney failure etiology in a global database (Apollo Dial DB) representing care in six continents. Methods: Apollo Dial DB contains longitudinal observation-level data (each treatment, lab, value) from 40 countries in a kidney care network (Fresenius Medical Care, Bad Homburg, DE). Data anonymization was performed in alignment with recommendations from a re-identification risk determination (Privacy Analytics, Ontario, CA). Dataset has >360 variables (demographics, dialysis, diagnoses, labs, medications, surveys, & outcomes) from 01Jan2018-31Mar2021. Analysis assessed KRT rates after dialysis initiation stratified by region. Modality was defined as use of hemodialysis (HD) only, peritoneal dialysis (PD) ever, or transplant. Results: Among 543,169 adults (age ≥18 years) in 40 countries, 455,769 had a known kidney failure etiology (diabetes=39.8%, other=40.8%, unspecified=19.4%). Overall, 84.8% used HD only, 11.0% used PD, and 4.1% received a transplant for KRT after dialysis initiation. KRT used in DKD showed 40.7% used HD only, 39.1% used PD, and 21.9% received a transplant. PD and transplant rates differed across regions, with lower PD and transplant rates in DKD (Figure 1). Regional differences in unspecified etiology were also present. Conclusion: KRT patterns in DKD may differ from other etiologies. Worldwide, transplant occurred half as often in DKD; greater regional variations existed. Regionally, PD was less frequently used in DKD, specifically in Northern and Latin America, South Africa, and Eastern Europe. Kidney failure etiology is largely unspecified in select regions. Opportunities may exist in expanding KRT options in DKD. Funding: Commercial Support - Fresenius Medical Care
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».