How Many Health Research Biobanks Are There?
Notice bibliographique
Résumé
Introduction: It is important for many research stakeholders to know how many biobanks exist. There are several potential data sources that might be expected to provide biobank numbers, such as institutions, research funders, and literature databases (e.g., PubMed), but in practice this information is rarely available and is hard to find. However, the maturation of several online health research biobank locators (also known as directories and catalogs) that relate to 12 countries and/or states has now provided some initial data to address the question of how many health research biobanks exist in relation to population size. Methods: We have analyzed four biobank locators: the Biobanking and Biomolecular Resources Research Infrastructure—European Research Infrastructure Consortium directory, the Canadian Tissue Repository Network locator, the Australian New South Wales Australia Health Pathology locator, and the UK Clinical Research Collaboration Tissue Directory. Results: We conclude that across these locators, and in those regions with potential for high research capacity as indicated by comparable gross domestic products, there are 11–30 health research biobanks/million population (2 large biobanks with >1000 samples and a further 9–28 are medium–small biobanks). Conclusion: Many locators were established primarily to increase utilization of biobanks. However, locators may be more useful in tracking the numbers of biobanks and in assisting funders and institutions to monitor research strategy and prevent unnecessary duplication of biobank resources.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».