MétaCan
Menu
Retour à la cohorte
Enregistrement W2178116679 · doi:10.1089/bio.2014.0081

A Model to Estimate Frozen Tissue Collection Targets in Biobanks to Support Cancer Research

2015· article· en· W2178116679 sur OpenAlexafffund
Anna Meredith, Alex Slotty, Lise Matzke, Sindy Babinszky, Peter H. Watson

Notice bibliographique

RevueBiopreservation and Biobanking · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueEthics in Clinical Research
Établissements canadiensBC Cancer Agency
Organismes subventionnairesBC Cancer AgencyCanadian Institutes of Health Research
Mots-clésBiobankContext (archaeology)AccrualComputer scienceTissue bankData scienceMedicineBioinformaticsBusinessAccountingPathologyBiology

Résumé

récupéré en direct d'OpenAlex

Human biospecimens are used in 40% of cancer research publications. Tumor biobanks are an important source for these biospecimens and support both prospective and retrospective research studies. Supporting retrospective research requires tumor tissue biobanks to accrue an adequate inventory, or stock, of cases comprising tumor biospecimens and associated treatment and outcomes data. We propose a model to establish appropriate targets for stocks of frozen tissue biospecimens in tumor biobanks, sufficient to support cancer research needs. Our model considers national levels of investment in academic cancer research relative to research use of cases described in publication output, and scales this to the local context of the BC Cancer Agency Tumour Tissue Repository (TTR) as an example. Adjustment factors are then applied to correct for the primary intended user base of the biobank, as well as variables intrinsic to all biobanking operations and case collection. On this basis we estimate a current target stock for the TTR of approximately 4500 cases. Local research demand derived from case release data can then be applied to fine-tune accrual targets and refine the biobank's relative portfolio of cases from different tumor sites. We recognize that current targets will need regular remodeling as research demands change over time and that our initial model has some limitations related to the need to extrapolate from available research and biobank utilization data, and does not incorporate biospecimen/case contributions within the context of a network. However, we believe the lack of models to estimate inventory targets for tumor biobanks and to better balance research demand with biospecimen supply, contributes to the hesitation of funders to provide support, and also the problems of sustainability faced by many biobanks. Creating tangible inventory targets will improve biobank efficiency, sustainability, and may also encourage increased and stable funding.

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)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,212
Score d'incertitude au seuil0,874

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
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 Opus0,748
Tête enseignante GPT0,648
Écart entre enseignants0,099 · 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'étudeObservationnel
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

Citations18
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiopreservation and BiobankingMême sujetEthics in Clinical ResearchTravaux en français237 207