Existing Funding Sources in Degenerative Cervical Myelopathy Research: Scoping Review
Notice bibliographique
Résumé
BACKGROUND: Degenerative cervical myelopathy (DCM) is a common, disabling condition of symptomatic cervical spinal cord compression that requires significant research advances to improve patient outcomes. A James Lind Alliance Partnership recently identified the top research priorities for DCM. To effectively address these priorities, appropriate funding of DCM research is essential. OBJECTIVE: The aim of this paper is to review current funding in DCM research and highlight future research funding opportunities. METHODS: A systematic search of Web of Science for "cervical AND myelopathy" was conducted. Papers exclusively studying DCM with declared funding and published between January 1, 1995, and March 21, 2020, were considered eligible. Funding sources were classified by country of origin and organization type. A grant search was also conducted using Dimensions.ai (Digital Science Ltd). RESULTS: A total of 621 papers were included, with 300 unique funding bodies. The top funders were AO Spine (n=87); National Institutes of Health, USA (n=63); and National Natural Science Foundation, China (n=63). Funding sources in the USA (n=242) supported the most DCM research, followed by China (n=209) and Japan (n=116). Funding in the USA was primarily provided by corporate or nonprofit organizations (146/242, 60.3%), while in China, the majority of funding was from institutions (208/209, 99.5%). Dimensions.ai gives an estimate for the total declared grant funding awards for DCM-specific research. Data here showed 180 grants awarded specifically for DCM research, with a total value of US $45.6 million since 1996. CONCLUSIONS: DCM funding appears to be predominantly from the USA, China, and Japan, aligning with areas of high DCM research activity and underpinning the importance of funding to increasing research capacity. The existing funding sources differ from medical research in general, representing opportunities for future investment in DCM.
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 | 0,081 | 0,307 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,060 | 0,072 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».