Fostering Scientific Collaborations for Cancer Research Between High and Low/Middle Income Countries Through International Partnerships
Notice bibliographique
Résumé
Background: Much remains to be learned about the causes of several major cancers. Implementing and sustaining global initiatives aimed to advance cancer research requires concerted efforts among government agencies, the industry and philanthropic institutions. Aiming to tackle this challenge, in 2015 the Azrieli Foundation, Canada's International Development Research Centre, the Canadian Institutes of Health Research, and the Israel Science Foundation launched the Joint Canada-Israel Health Research Program (JCIHRP), a 7-year CA$35 million partnership that draws on the scientific strengths of Canadian, Israeli and low and middle income countries (LMICs) researchers in the broad field of biomedicine. Aim: JCIHRP aims to advance research and discovery in the biomedical sciences; encourage scientific collaboration between Canadian and Israeli researchers; and build capacity and foster scientific relations and collaborations with researchers and trainees in LMICs. Methods: JCIHRP will fund up to 30 research projects from 2015 to 2022 in diverse areas of the biomedical sciences (neurosciences, immunology, cancer and metabolism). So far, the program is supporting 9 projects in cancer research. Teams are led by a Canadian and Israeli principal investigators and a collaborator from a LMIC. Three years is the maximum duration of each grant and teams can request up to CA$1.17 million. The program launches 1 competition each year and activities are coordinated by a directors working group, which is responsible for program implementation and coordination among the agencies. Annual implementation timeline can be divided into 4 phases: competition development and application; proposals' eligibility, selection and decision; research phase; and reporting and monitoring. In deploying these phases, the funding partners have shared effort and costs. Results: Among cancer research projects, 4 teams are developing strategies to improve effectiveness of cancer immunotherapy. Five other teams use advanced genomics and protein engineering techniques to elucidate molecular mechanisms associated with tumor development, progression and resistance to therapy in pancreatic, breast, hepatic and brain cancer. These projects are supporting 26 established researchers in 7 Canadian, 6 Israeli and 9 institutions based in Brazil, Mexico, China, India, Argentina and Turkey. Additionally, 19 graduate students and 9 postdoctoral fellows are directly involved in research activities. Type of collaboration can be grouped into 2 categories: research and training (5 projects) and research, training and exchange (4 projects). Conclusion: JCIHRP multicentre funding model allows international integration of researchers promoting scientific advances, new collaborations and enhancing teams' overall competitiveness by prioritizing research topics with potential for global impact in cancer 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 | 0,080 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,010 | 0,006 |
| Communication savante | 0,015 | 0,009 |
| Science ouverte | 0,004 | 0,047 |
| Intégrité de la recherche | 0,005 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,006 |
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 ».