Challenges and opportunities in research funding for neurovascular diseases from a clinical researcher's perspective
Notice bibliographique
Résumé
BACKGROUND & PURPOSE: Neurovascular research is underfunded, imposing substantial challenges on clinical researchers in the field of neurovascular diseases. We explored what physicians perceive to be the greatest challenges with regard to neurovascular research funding, and how they think the funding crisis in neurovascular research could be overcome. METHODS: We performed an international, multi-disciplinary survey among physicians involved in the medical care of patients with neurovascular diseases. After providing their demographic data, physicians were asked closed-ended questions on their personal opinion regarding challenges in neurovascular research funding, and how these challenges could be overcome. Physicians also described in their own words what they perceived to be the biggest challenges in obtaining funding. Data were analyzed using descriptive statistics and response clustering. RESULTS: Of 233 participating physicians (70.4% male,82.8% senior staff) from 48 countries, 217(97.4%) perceived the discrepancy between required and available funding to be a problem;172(73.8%) considered it a major problem. High competitiveness (61/118 available free text responses[51.7%]), time-consuming application processes (28/118[23.7%]) and administrative requirements (25/118[21.1%]) were identified as key obstacles. Traditional big funding agencies were perceived to be most capable of closing the neurovascular research funding gap, followed by specialty-specific organizations and industry, while philanthropy and crowdfunding were perceived to be less important. CONCLUSION: The gap between required and available funding was perceived to be a major problem in neurovascular research, with high competitiveness, time-consuming funding processes and excessive administrative requirements being the key obstacles to obtaining funding. Traditional funding agencies were perceived to be most capable of closing this funding gap.
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 | 0,108 | 0,179 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,011 |
| Communication savante | 0,013 | 0,007 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».