MétaCan
Menu
Retour à la cohorte
Enregistrement W2005572712 · doi:10.1089/bio.2011.0018

The Human Face of Biobank Networks for Translational Research

2011· article· en· W2005572712 sur OpenAlexaff
Karen Meir, Eoin F. Gaffney, Daniel Simeon‐Dubach, Rivka Ravid, Peter H. Watson, Brent Schacter, and the Marble Arch Intern Manuel M. Morente

Notice bibliographique

RevueBiopreservation and Biobanking · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueEthics in Clinical Research
Établissements canadiensCancerCare ManitobaBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésBiobankTranslational researchFace (sociological concept)BiorepositoryComputational biologyBiologyBioinformaticsBiotechnologySociology

Résumé

récupéré en direct d'OpenAlex

The biobanking literature frequently addresses donor and societal issues surrounding biobanking, but the biobanker's perspective is rarely highlighted. While not comprehensive, this article offers an overview of the human aspects of biobanking from the viewpoint of biobank personnel-from biobank formation, through the process, and in addressing post-biobanking issues. As every biobank and biobank network may differ, such factors may vary. Before biobanking can commence, the purpose of the biobank network must be defined, and buy-in achieved from many stakeholders. An attitude of trust and sharing is essential, as is good communication. Developing a biobank is time consuming and laborious. Forming a network requires significantly more time due to the need for cross-institutional harmonization of policies, procedures, information technology considerations, and ethics. Circumstances may dictate whether development occurs top-down and/or bottom-up, as well as whether network management may be independent or by personnel from participating biobanks. Funding tends to be a prominent issue for biobanks and networks alike. In particular, networks function optimally with some level of government support, particularly for personnel. Quality biospecimen collection involves meticulously documented coordination with a network of medical and nursing staff. Examining and sampling operative specimens requires timely collaboration between the surgical and pathology teams. "Catch rates" for samples may be difficult to predict and may occur at a frequency less than anticipated due to factors related to the institution, staff, or specimen. These factors may affect specimen quality, and have a downstream effect on competition for specimens for research. Thus, release of samples requires a fair, carefully constructed sample access policy, usually incorporating an incentive for researchers, and an encouragement to form collaborations. Finally, the public and patient groups should aim to understand the benefits of a biobank network, so that patient care is improved through coordinated biobanking activity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,465
Score d'incertitude au seuil0,372

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,798
Tête enseignante GPT0,594
Écart entre enseignants0,204 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
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

Citations14
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiopreservation and BiobankingMême sujetEthics in Clinical ResearchTravaux en français237 207