Incorporating Equity, Diversity and Inclusion in a Canadian Biobank
Notice bibliographique
Résumé
Equity, diversity, and inclusion (EDI) is an established concept and is an important issue in health research. It is now recognized that measures to address EDI in research can have a positive impact on the value of health research outputs and health outcomes based on this knowledge. EDI strategies, guidelines, and education and training are now embraced by national research funders and local research organizations. However, these initiatives are very broad and not specific to the field of biobanking. We have, therefore, set out to develop and implement a formal research biobank EDI action plan. This article describes the creation of an EDI action plan that provides an intentional approach to identifying and achieving EDI actions and priorities for our research biobank. The plan is framed by the definitions of EDI and an understanding of the topics, issues, and groups within the EDI field. The plan is founded on a set of guiding principles and delineates three pillars of work that align with team, participant, and researcher domains. The plan identifies a set of 31 actions that are categorized by implementation time frames, in order to positively address EDI issues across these pillars. The completion of these actions will help us to mitigate against bias and enrich our biobanking and research services. Ultimately, our goal is to realize more diverse participation in research supported by our biobank. This would support health research to explore and better understand differences in disease biology and the efficacy of medical treatments across all people.
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 | 0,141 | 0,087 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,039 | 0,016 |
| Communication savante | 0,023 | 0,011 |
| Science ouverte | 0,005 | 0,023 |
| Intégrité de la recherche | 0,005 | 0,008 |
| 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 ».