A comparative analysis of the requirements for the use of data in biobanks based in Finland, Germany, the Netherlands, Norway and the United Kingdom
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
To understand the causes of disease and improve diagnosis and treatment regimes, biomedical researchers need access to large numbers of well-characterized data and samples. Over the past decade, biobanks have been established across Europe to collect and manage access to data and samples. The challenge that we face is how to develop the tools and collaborations to enable researchers to access samples and data from a network of biobanks, rather than applying to individual biobanks. One of the perceived stumbling blocks to achieving this is represented by the different legal requirements in each country. The aim of the BioSHaRE-European Union (EU) project is to address these challenges by developing tools and methods for researchers to access and use pooled data from different cohort and biobank studies. The purpose of this article is to identify and compare the key legal requirements regarding research use of data across biobanks based in Finland, Germany, the Netherlands, Norway and the UK. Our investigation starts with the analysis of the key differences for the use of data between these countries. As a result, we identified three key areas where legal requirements differ across the five BioSHaRE-EU jurisdictions, namely, in the definition of personal data, the requirements regarding pseudonymization and processing for medical research purposes. This article provides an overview of these differences and describes them in the light of the proposed EU regulation on data protection.
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.
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 | 0,009 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle