Funding Sources for Canadian Biorepositories: The Role of User Fees and Strategies to Help Fill the Gap
Notice bibliographique
Résumé
Biorepositories, the coordinating hubs for the collection and annotation of biospecimens, are under increasing financial pressure and are challenged to remain sustainable. To gain a better understanding of the current funding situation for Canadian biorepositories and the relative contributions they receive from different funding sources, the Canadian Tumour Repository Network (CTRNet) conducted two surveys. The first survey targeted CTRNet's six main nodes to ascertain the relative funding sources and levels of user fees. The second survey was targeted to a broader range of biorepositories (n=45) to ascertain business practices in application of user fees. The results show that >70% of Canadian biorepositories apply user fees and that the majority apply differential fees to different user groups (academic vs. industry, local vs. international). However, user fees typically comprise only 6% of overall operational budgets. We conclude that while strategies to drive up user fee levels need to be implemented, it is essential for the many stakeholders in the biomedical health research sector to consider this issue in order to ensure the ongoing availability of research biospecimens and data that are standardized, high-quality, and that are therefore capable of meeting research needs.
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 | 0,047 | 0,143 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,013 |
| Études des sciences et des technologies | 0,013 | 0,006 |
| Communication savante | 0,019 | 0,009 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».