MétaCan
Menu
Retour à la cohorte
Enregistrement W4410453345 · doi:10.2196/69411

Experiences of Health Research Data Sharing Among Researchers in Sub-Saharan Africa: Cross-Sectional Study

2025· article· en· W4410453345 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Formative Research · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueResearch Data Management Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintCross-sectional studyEnvironmental healthGeographyMedicineComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Background: Digital platforms play a vital role in improving the availability and access to health research outputs, enhancing the engagement of policy makers and practitioners in the research processes. Despite their potential, it needs to be explored how digital platforms are used to manage and share health research datasets and publications, and to translate research findings among health networks or institutions in sub-Saharan Africa (SSA). Objective: This study aimed to assess the practices of health research data management, including sharing among researchers and their support staff within 3 large research networks for health innovations in SSA. Methods: A cross-sectional mixed methods survey was conducted across 3 research networks in SSA, showing experiences of sharing research data using digital platforms among researchers of 3 large research and innovation networks in SSA and affiliated institutions in the Global North. A total of 160 respondents completed a self-administered web-based questionnaire, and following data cleansing, the survey data were analyzed using both descriptive and inferential statistics. Results: Most respondents (91/160, 56.9%) used electronic data collection tools to collect research data. Almost half (79/160, 49.4%) of the respondents have a digital research data management platform. More than half of the respondents shared their research datasets (102/160, 63.8%), and 61.3% (98/160) shared research findings with the research community through different channels. Furthermore, most respondents shared their research datasets and research outputs through institutional data repositories (42/160, 26.1%), scientific conferences (123/160, 76.9%), and journal articles (110/160, 68.8%). This study found that parameters such as sex, professional category (health professional, information and communication technology professional, and data managers), and the role (researcher or student) influence health research data sharing within the community. The results show that the roles of the individual have the strongest association with the sharing of research datasets, followed by years of experience in research, then sex, and profession. Females were less likely to share their research datasets than males. Data managers and information and communication technology professionals exchanged datasets less frequently in the professional group, and the researcher's role was statistically significant in sharing research datasets. Conclusions: This study demonstrates that most researchers share research datasets and outputs through various channels. It was further found that digital platforms were essential in managing and sharing research datasets and publications since more than half (85/160, 53.1%) of the respondents have and use digital platforms. In addition, the study identified factors that influenced researchers' practices of sharing research datasets and publications. Furthermore, key gaps limit the sharing of these research datasets, including inadequate infrastructure, insufficient African dataset sharing platforms, a lack of institutional policy, and limited skills to use available platforms.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,121
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Communication savante, Science ouverte, Intégrité de la recherche
Catégories consensuellesCommunication savante, Science ouverte
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,222
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,1210,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,012
Études des sciences et des technologies0,0010,002
Communication savante0,0070,052
Science ouverte0,0200,028
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,635
Tête enseignante GPT0,596
Écart entre enseignants0,039 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle