A snapshot of challenges and opportunities faced by the scientific workforce in liver transplantation—a survey of the International Liver Transplantation Society (ILTS)
Notice bibliographique
Résumé
Basic and translational research (B&TR) in liver transplantation (LT) underwent considerable changes and shifts over the past decade. To capture the current landscape and future potential of B&TR in LT, we conducted an online survey within the International Liver Transplantation Society (ILTS) community. The survey aimed to collect comprehensive data on the respondents' characteristics, qualifications, experiences, and research activities, providing the present state and future directions of B&TR in LT. Between October 2023 and January 2024, an online survey consisting of 35 key items was distributed to the ILTS community through newsletters and social media channels. Data were analyzed using a combination of quantitative and qualitative methods. The survey gathered 153 valid responses, with 79% of respondents possessing relevant experience in B&TR and 76% reporting concurrent clinical duties. Some 62% hold faculty positions, with 34% identifying as MDs and 44% holding combined MD/PhD degrees. About 71% of scientists with clinical duties reported challenges in conducting B&TR, with 57% citing a lack of time and 41% pointing to insufficient funding. Nevertheless, 69% of respondents currently receive research funding, with 58% supported by government or public sources. Among early career researchers, 57% reported receiving average or poor mentoring, and 30% indicated insufficient protected time for research. Looking ahead, advancing technologies, machine learning/artificial intelligence, multi-omics, xenotransplantation, and machine perfusion were highlighted as areas with the potential to significantly shift the paradigm in the near future. Our survey captured insights from B&TR scientists within the ILTS, identifying both challenges and opportunities for future developments and aiding in the strategic direction of the society's initiatives.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».