Analysis of Trends in Biospecimen Complexity in Cancer Research Over Two Decades
Notice bibliographique
Résumé
Background: Over time, researchers' demand for increased quality and quantity of biospecimens has risen. However, quality is multifaceted, ranging from simple to complex, and comes at a cost. Therefore, to be sustainable and ensure optimal utilization of their resources (supply), biobanks must consider the trends in biospecimen use to predict the needs for future biospecimen quality (demand). Methods: An unbiased selection process was used to identify research articles from across the spectrum of cancer research from the PubMed database. A set of 225 articles utilizing human biospecimens were randomly selected for review (75 articles from each of three time intervals; 2000, 2010, 2020). Criteria for determining the source and complexity of quality of biospecimens were developed and overall concordance between two independent observers abstracting the data was then confirmed (k = 0.87) to validate the criteria. Results: We observed increased use of dual biospecimen formats (20%–36% of articles, p = 0.03), matched samples (16%–37% of articles, p = 0.0033), and biospecimens with associated outcomes data (20%–49%, p = 0.0002). In addition, the use of two or more cohorts increased over time (p = 0.03). The mechanism through which biospecimens were obtained also changed over time with an increase in the diversity of collection pathways used (p = 0.006). Conclusions: The complexity of biospecimens being used in cancer research and the diversity of collection pathways through which these are obtained has changed significantly. This observation is important for biobanks given that the cost to support the supply of biospecimens with complex extrinsic as opposed to simple intrinsic quality characteristics is greater. For biobanks to manage sustainability, optimize utilization, and meet changing research demand, they may need to adjust their operational models to better support the supply of these types of biospecimens.
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 | 0,064 | 0,204 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,036 | 0,047 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».