MétaCan
Menu
Retour à la cohorte
Enregistrement W1991358323 · doi:10.1634/theoncologist.2013-0290

Barriers and Challenges to Global Clinical Cancer Research

2013· article· en· W1991358323 sur OpenAlexaff
Boštjan Šeruga, Aleksander Sadikov, Eduardo Cazap, Lucı́a Delgado, Raghunadharao Digumarti, Natasha B. Leighl, Mohamed Meshref, Hironobu Minami, Eliezer Robinson, N Yamaguchi, Doug Pyle, Tanja Čufer

Notice bibliographique

RevueThe Oncologist · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Health and Surgery
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineTest (biology)CancerClinical researchFamily medicineMedical educationPolitical scienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There are concerns about growing barriers to cancer research. We explored the characteristics of and barriers to global clinical cancer research. METHODS: The American Society of Clinical Oncology International Affairs Committee invited 300 selected oncologists with research experience from 25 countries to complete a Web-based survey. Fisher's exact test was used to compare answers between participants from high-income countries (HICs) and low- and middle-income countries (LMICs). Barriers to clinical cancer research were ranked from 1 (most important) to 8 (least important). Mann-Whitney's nonparametric test was used to compare the ranks describing the importance of investigated obstacles. RESULTS: Eighty oncologists responded, 41 from HICs and 39 from LMICs. Most responders were medical oncologists (62%) at academic hospitals (90%). Researchers from HICs were more involved with academic and industry-driven research than were researchers from LMICs. Significantly higher proportions of those who considered their ability to conduct academic research and industry-driven research over the past 5 years more difficult were from HICs (73% vs. 27% and 70% vs. 30%, respectively). Concerning academic clinical cancer research, a lack of funding was ranked the most important (score: 3.16) barrier, without significant differences observed between HICs and LMICs. Lack of time or competing priorities and procedures from competent authorities were the second most important barriers to conducting academic clinical research in HICs and LMICs, respectively. CONCLUSION: Lack of funding, lack of time and competing priorities, and procedures from competent authorities might be the main global barriers to academic clinical cancer research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,076
score de la tête « metaresearch » (Gemma)0,099
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,924
Score d'incertitude au seuil0,403

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0760,099
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0040,006
Communication savante0,0060,003
Science ouverte0,0020,009
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,302
Tête enseignante GPT0,537
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
DomaineIncitatifs
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe OncologistMême sujetGlobal Health and SurgeryTravaux en français237 207