Sepsis research in Canada: An environmental scan of sepsis investigators, research, and funding
Notice bibliographique
Résumé
Sepsis is the world's second leading cause of mortality. In 2017, the World Health Assembly declared sepsis a global priority and adopted a resolution prompting member states to improve the prevention, recognition, and management of sepsis. This cross-sectional study examines the sepsis research landscape in Canada, including demographics, scope, and funding. Using convenient sampling, sepsis researchers in Canada were asked to complete an online 20-question survey. We also scanned the CIHR funding database from 2012-2022 to quantify national research dollars spent on sepsis-related projects. Quantitative data was summarized using descriptive statistics, and textual descriptions of current sepsis research activities were analyzed thematically. With a response rate of 46% (69 of the 150), respondents were primarily men (n = 46/69, 67%), who identified as White/European (n = 49/69, 71%), and were professors or clinical professors (n = 36/69, 52%). The predominant areas of research focus were identification of sepsis (n = 21/55, 38%) and treatment/management (29/55, 53%) of sepsis, while sepsis prevention (n = 4/55, 7%) and sepsis education (n = 5/55, 9%) garnered less attention. Past 10 years of CIHR funding data revealed that only 0.7% ($85 million) of total funding ($11 billion) was towards sepsis research, of which only 2 were new-investigator awards. This study illustrates the need for improving the diversity of sepsis researchers in Canada; expanding the scope of research to address sepsis prevention, recovery, and education; and increasing overall funding to sepsis.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».