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 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 | 0,011 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,013 | 0,036 |
| Études des sciences et des technologies | 0,022 | 0,006 |
| Communication savante | 0,011 | 0,003 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».