Key points are not available for this paper at this time.
코호트 연구 간의 협력 체계 구축은 건강 연구의 진전을 위해 매우 중요합니다. 그러나 이러한 협력은 코호트 간의 이질적인 데이터 표현과 데이터 공유에 대한 법적 제약으로 인해 장애를 겪고 있습니다. 첫 번째는 코호트 연구 간의 데이터 수집 및 표현 기준에 대한 합의 부족에서 기인하며, 이는 일반적으로 데이터 조화 프로세스를 적용하여 해결됩니다. 두 번째는 개인정보 보호에 대한 인식의 증가 및 GDPR과 같은 stricter regulations으로 인해 점점 더 중요해지고 있습니다. 연합 학습은 데이터가 분산된 방식으로 분석되어 기관 간 데이터 전송을 위한 개인정보 보호 대안으로 등장했습니다. 본 연구에서는 치매의 병인에 적합한 데이터와 함께 9개의 네덜란드 코호트 컨소시엄을 위한 연합 학습 인프라를 구축하였으며, 데이터 조화를 위한 추출, 변환 및 적재(ETL) 파이프라인이 포함되었습니다. 또한, 우리는 관찰 의료 결과 파트너십(OMOP) 공통 데이터 모델(CDM)을 사용하여 코호트 데이터를 변환하고 표준화하는 데 있어 문제점을 평가하고, 연합 알고리즘을 적용한 한 코호트에서 도구를 평가했습니다. 우리는 ETL 도구를 성공적으로 적용했으며 OMOP CDM으로 코호트 데이터의 전체 범위를 관찰했습니다. OMOP CDM은 데이터 표현 및 표준화를 용이하게 했으나, 코호트 특정 데이터 필드 및 사용 가능한 어휘의 범위에서 제한 사항을 확인했습니다. 다중 코호트 연합 협력에서는 로컬 환경의 기술적 제약, 데이터 이질성 및 데이터에 대한 직접적인 접근 부족으로 인해 특정 문제가 발생합니다. 본 기사에서는 이러한 문제와 연구에서 겪은 제한 사항에 대한 해결책을 설명합니다. 우리의 연구는 데이터와 분석의 재현성과 재사용을 향상시키는 다중 코호트 연구를 위한 개인정보 보호 솔루션으로서 연합 학습의 잠재력을 보여줍니다.
Mateus et al. (Sun,)은 이 질문을 연구했습니다.