Impact of the COVID-19 Pandemic on Cancer Researchers in 2020: A Qualitative Study of Events to Inform Mitigation Strategies
Notice bibliographique
Résumé
Introduction: The COVID-19 pandemic has had an unprecedented impact on global health systems and economies. With ongoing and future challenges posed to the field due to the pandemic, re-examining research priorities has emerged as a concern. As part of a wider project aiming to examine research priorities, here we aimed to qualitatively examine the documented impacts of the COVID-19 pandemic on cancer researchers. Materials and Methods: We conducted a literature review with the aim of identifying non-peer-reviewed journalistic sources and institutional blog posts which qualitatively documented the effects of the COVID-19 pandemic on cancer researchers. We searched on 12th January 2021 using the LexisNexis database and Google, using terms and filters to identify English-language media reports and blogs, containing references to both COVID-19 and cancer research. The targeted search returned 751 results, of which 215 articles met the inclusion criteria. These 215 articles were subjected to a conventional qualitative content analysis, to document the impacts of the pandemic on the field of cancer research. Results: Our analysis yielded a high plurality of qualitatively documented impacts, from which seven categories of direct impacts emerged: (1) COVID measures halting cancer research activity entirely; (2) COVID measures limiting cancer research activity; (3) forced adaptation of research protocols; (4) impacts on cancer diagnosis, cases, and services; (5) availability of resources for cancer research; (6) disruption to the private sector; and (7) disruption to supply chains. Three categories of consequences from these impacts also emerged: (1) potential changes to future research practice; (2) delays to the progression of the field; and (3) potential new areas of research interest. Discussion: The COVID-19 pandemic had extensive practical and economic effects on the field of cancer research in 2020 that were highly plural in nature. Appraisal of cancer research strategies in a post-COVID world should acknowledge the potential for substantial limitations (such as on financial resources, limited access to patients for research, decreased patient access to cancer care, staffing issues, administrative delays, or supply chain issues), exacerbated cancer disparities, advances in digital health, and new areas of research related to the intersection of cancer and COVID-19.
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 | 0,046 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,011 | 0,013 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,005 |
| 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 ».