Creating a Globally Distributed Multinational Dialysis Database - The ApolloDialDb Initiative
Notice bibliographique
Résumé
Introduction Large amounts of data are captured during dialysis, yet multinational datasets are scarce due to challenges in harmonizing and integrating clinical data, as well as complying with data protection regulations across the world. A global kidney care provider, Fresenius Medical Care, approached this challenge and finalized the creation of an anonymized dialysis database, coined Apollo DialDb TM . We report the approach used for database creation and detail dialysis patient characteristics globally. Methods To create this globally distributed multinational database, data from different electronic clinical systems were extracted, covering routinely collected medical information from dialysis clinics worldwide. This data was harmonized, and then anonymized following a reidentification risk assessment conducted by the external company Privacy Analytics, Ontario, CA. The data was consolidated and is stored in a central cloud environment and will be updated periodically. Results Apollo DialDb TM captures data from January 2018 – March 2021 from 40 countries and 543,169 patients worldwide (4.6% Asia-Pacific, 13.9% Europe, Middle East, & Africa, 7.0% Latin America, 74.5% North America). It contains demographic data, 35,874,039 laboratory and 140,016,249 treatment observations as well as frequently recorded medication information, and clinical outcomes (e.g., hospitalization and mortality). Several regional differences can be observed using this data, such as age, treatment modality, and treatment time. Conclusion Creating a robust multinational dialysis database offers vast opportunities to conduct real-world research and data analytics, including the development of artificial intelligence models. These activities hold promise of advancing the understanding of kidney disease and dialysis therapies. It can serve as comparative resource for the nephrology community.
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 | 0,024 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».