A Model to Estimate Frozen Tissue Collection Targets in Biobanks to Support Cancer Research
Notice bibliographique
Résumé
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 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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| 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 ».