Clinical research lags behind biomedical, populationbased health, and health services research at multiple levels
Notice bibliographique
Résumé
PURPOSE: Concerns regarding a decline in clinical research have been raised internationally. In this study, research initiatives and competitiveness of investigators seeking funding for clinical research were compared with those for three other health research themes in Canada, namely, biomedical, population-based, and health services research. METHODS: A retrospective, multi-level descriptive study was conducted using administrative data from the Canadian Institutes for Health Research (CIHR) research grants program. Annual growth rates in numbers of proposals submitted since year 2000 (level I of comparison), success rates of submissions (level II), and growth rates in funding received since fiscal-year 1999-00 (level III) were compared across themes. RESULTS: Proposal submission (Level I): The average annual rate of growth in proposal submissions for biomedical, clinical, population-based and health services research was 11.8%, 6.3%, 105.0% and 43.2%, respectively. Success rate (Level II) was lower in clinical research (24%; P-value < 0.001) compared with biomedical (34%), population-based (29%), and health services (28%) research. Funding (Level III) grew at an average rate of 16.1% per year for biomedical, 28.2% for clinical, 65.9% for population-based, and 86.2% for health services research. However, the median amount funded for clinical projects (CAD $154,535) was less (P-value < 0.0001) than that for biomedical projects ($225,346). CONCLUSION: The overall growth of research activities in clinical theme was slower than with research in other themes-fewer proposals were submitted and lower proportion of submissions was successful. Smaller amounts of funding were received for clinical projects compared with biomedical projects, but a handful of large-scale clinical projects influenced the growth rate in funding for all clinical research. This report underscores the concern that multi-level problems plague clinical 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 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 | 0,147 | 0,156 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,022 |
| Études des sciences et des technologies | 0,005 | 0,011 |
| Communication savante | 0,013 | 0,006 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».