Open Science, Data, and Methodologies: Lessons learned from the NIHR-RESPIRE Network in Asia
Notice bibliographique
Résumé
NIHR-RESPIRE, a Global Health Research Unit funded by NIHR, is committed to advancing respiratory health research in Asia. We prioritise Open Science, Data, and Methodologies to maximise research data utility securely, sharing the lessons encountered across seven LMIC partner countries (Bangladesh, Bhutan, India, Indonesia, Malaysia, Pakistan, and Sri Lanka). Our strategic shift from traditional data sharing to LMIC-tailored Open Science practices ensures data privacy and security. This includes refining Data Management Plans, metadata standards, and mandating FAIR Data sharing, providing methodological support, and developing Open Science Policy Guidelines. We advocate for the adoption of open science principles to maximise secure data use and value with a focus on FAIR data. We also provide aid to partners in enhancing their data-related skills, hosting regular meetings, and establishing internal data monitoring structures to bolster cross-cutting activities within RESPIRE. Through capacity building, we have enabled high-quality respiratory health research using Open Science principles, enhancing data sharing efficiency, research visibility, and ultimately respiratory health outcomes in Asia and beyond. Our experience underscores the following lessons: Flexibility in data sharing, tailored to LMIC researchers' needs, is essential; Training and support to enhance knowledge of methodologies and dispel misconceptions are key to successful data stewardship; Appointing a focal person for structured anonymised data sharing and supporting the internal Data Monitoring Committee are critical. We recognise Open Science's potential to foster innovation, collaboration, and knowledge sharing in respiratory health research.
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 | 0,303 | 0,162 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,028 |
| Communication savante | 0,030 | 0,039 |
| Science ouverte | 0,007 | 0,032 |
| Intégrité de la recherche | 0,007 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».