Biospecimen Data Reporting in the Research Literature
Notice bibliographique
Résumé
A substantial fraction of biomedical research depends on the reliability of human biospecimens but variations in sample manipulation during collection, processing, and storage can differentially alter molecular integrity and influence interpretation of the resulting derived data. Details of biobanking processes are rarely adequately described in research publications, preventing reviewers, readers, and scientists seeking to replicate the findings, from appreciating and adequately considering preanalytical variations contributing to results. To address these shortcomings, a set of reporting guidelines, the Biospecimen Reporting for Improved Study Quality (BRISQ) criteria, were developed in 2011. In this study we evaluated the uptake and reporting of BRISQ criteria in 324 articles across four leading biomedical journals using human biospecimens and published before (161; in 2010) and after (163; in 2014) the delineation of the BRISQ guidelines. We found that even within journals recommending use of BRISQ, manuscript-level uptake. and reporting of the relevant biospecimen information is not widespread or uniform. In the future, an enhanced biospecimen reporting strategy to better serve the needs of researchers, reviewers, and journals may be considered to strengthen research reproducibility for the benefit of the research community at large.
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 | 0,674 | 0,898 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,005 |
| Méta-épidémiologie (sens large) | 0,010 | 0,009 |
| Bibliométrie | 0,061 | 0,085 |
| Études des sciences et des technologies | 0,006 | 0,012 |
| Communication savante | 0,023 | 0,016 |
| Science ouverte | 0,010 | 0,014 |
| Intégrité de la recherche | 0,009 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,005 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».