MétaCan
Menu
Retour à la cohorte
Enregistrement W4413001977 · doi:10.1016/j.jclinepi.2025.111920

FAIRification of biomedical research data

2025· article· en· W4413001977 sur OpenAlexaff
K. Tai, Marcel L. Müller, Ulrich Mansmann, Anna Catharina Vieira Armond, Évelyne Decullier, Anne Le Louarn, Nchangwi Syntia Munung, Florian Naudet, Fabian Praßer, Ulrich Sax

Notice bibliographique

RevueJournal of Clinical Epidemiology · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueResearch Data Management Practices
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesHORIZON EUROPE Marie Sklodowska-Curie ActionsEuropean Commission
Mots-clésEpidemiologyKey (lock)Data scienceClinical epidemiologyMEDLINEMedicineComputer sciencePathologyBiologyComputer security

Résumé

récupéré en direct d'OpenAlex

The Findable, Accessible, Interoperable, and Reusable guiding principles promote Findability, Accessibility, Interoperability, and Reuse of data to enhance data management and stewardship. In biomedicine, particular ethical, legal, and technical barriers complicate research data sharing. To help researchers overcome these challenges, we propose a framework of FAIRification from three dimensions - scientific, technical, and legal/ethical. We advocate for prospective FAIRification of study data, starting with a strong emphasis on planning for data-sharing from the beginning. Reflective questions throughout the process guide researchers to reflect on their situation. Researchers should assess resources and feasibility, secure technical and legal support, consider stakeholder needs, and devise an appropriate data sharing process. Given the sensitivity of biomedical data, confidentiality and security require careful attention. The data sharing strategy should be finalized before the study starts and documented in relevant study materials. Technical preparation for data sharing follows planning. Data should be well-documented with a data dictionary and metadata to facilitate reuse and provided in an accessible format. The data can be hosted on a repository to promote sharing and reuse. While a secure repository provides the technical foundation for data protection, effective administration is required to enforce data use agreements and licensing. We also discuss the importance of subsequent management upon data upload. Continued support for researchers and data maintenance are essential for effective reuse. Examples and resources to facilitate FAIRification are included to help researchers navigate challenges and ensure biomedical data are FAIR and reusable.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,580
score de la tête « metaresearch » (Gemma)0,577
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Science ouverte
Catégories consensuellesMétarecherche
DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,990
Score d'incertitude au seuil0,518

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,5800,577
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,005
Bibliométrie0,0150,011
Études des sciences et des technologies0,0130,049
Communication savante0,0360,053
Science ouverte0,0100,049
Intégrité de la recherche0,0080,013
Charge utile insuffisante (le modèle a refusé de juger)0,0090,004

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 Opus0,871
Tête enseignante GPT0,715
Écart entre enseignants0,156 · 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

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
DomaineReproductibilité
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical EpidemiologyMême sujetResearch Data Management PracticesTravaux en français237 207