Bridging the Gap: A Canadian Perspective on Translational Kidney Research
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Chronic kidney disease affects approximately 3 million Canadians. Ongoing investment in high quality kidney research is needed to improve the care of patients with kidney disease. The barriers to translating such research are discussed in this review. SOURCES OF INFORMATION: Personal knowledge, research funding body websites, and published reports. FINDINGS: In this review, we discuss the meaning of the term translational research and present some of the programs aimed at ensuring efficient translation of scientific discoveries with a discussion of the barriers to translation. We highlight some successes and barriers to kidney research translation using recent examples of research in Canadian nephrology. We present the following examples of kidney research: (1) research aimed at identifying the causative genes for inherited kidney diseases; (2) recent discoveries in cell-based therapies for kidney disease; (3) an examination of the impact of acute kidney injury in renal transplant patients; and (4) the development of a kidney failure risk equation to improve prognosis accuracy. LIMITATIONS: This review focuses on research conducted by the authors. IMPLICATIONS: The process of research translation is prolonged and challenging and therefore requires resources, patience, and careful planning. With increased awareness and understanding of the barriers to research translation, researchers and funding bodies can work together to increase the rate at which important research findings reach clinical practice and improve the care of patients with kidney disease.
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 | 0,116 | 0,159 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,009 | 0,014 |
| Études des sciences et des technologies | 0,012 | 0,022 |
| Communication savante | 0,020 | 0,015 |
| Science ouverte | 0,007 | 0,013 |
| Intégrité de la recherche | 0,019 | 0,024 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».