A Review of Regulatory Frameworks Governing Biobanking in the Low and Middle Income Member Countries of BCNet
Notice bibliographique
Résumé
Biomedical research based on the sharing and use of ever larger volumes of samples and data is increasingly becoming an essential component of scientific discovery. The success of biobanking and genomic research is dependent on the broad sharing of resources for use by investigators. However, important ethical challenges need to be addressed for the sample and data sharing to be successful. Despite low- and middle-income countries (LMICs) carrying a higher burden of disease, biomedical research conducted to date has mainly focused on high-income countries. In order for LMICs to benefit from the advances in such research, normative documents (such as laws and guidelines) play a significant role in allowing LMIC projects to partake and be represented in global biomedical research. The administration and management of the ethical aspects of biobanking, including informed consent, are key components in ensuring that samples and data can legally and ethically be used and shared. As part of its support to the LMIC biobanks, the International Agency for Research on Cancer (IARC) established a biobank and population cohort building network (BCNet) in 2013 with the aims of providing support (including education and training) and facilitating the development and improvement of biobanking infrastructure in LMICs. A comparative analysis of the laws and guidelines in BCNet countries was completed to highlight some of the ethical and legal issues related to biobanking in LMICs and to identify examples of effective systems of governance already in operation.
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 | 0,018 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,011 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».