Evaluating the translational value of preclinical models: Available tools and frameworks, challenges and strategies
Notice bibliographique
Résumé
Recent global initiatives are accelerating the shift toward human-centric approaches, reducing reliance on animal models in preclinical research and other domains. In this changing landscape, objectively evaluating the scientific relevance and merit of research involving animal models, and assessing their translational relevance is increasingly critical. Over the past decade, several tools have been developed to assess translational relevance, accuracy/appropriateness and efficacy of preclinical animal models, evaluate risk-of-bias in preclinical research, support harm-benefit analyses, and facilitate the adoption of non-animal replacement strategies. However, the uptake of such tools remains limited. To address this, a Biomedical Research for the 21st Century (BioMed21) Collaboration workshop on 'Evaluating translational value of animal models in preclinical research - Tools, challenges, and strategies', was convened by Humane World for Animals (30 June-1 July 2025). The event brought together tool developers and diverse global interest-holders to review current assessment tools, discuss their strengths, complementarity, limitations and feasibility, and explore opportunities for cross-sector collaboration. This paper summarises key outcomes of these presentations and discussions, highlighting knowledge gaps and barriers to the adoption of these tools and frameworks by researchers, funders and regulators. Strategies to raise awareness and promote the use of the tools and frameworks, to better inform funding decisions, regulatory approval and the appraisal of preclinical research, are also proposed.
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 | 0,513 | 0,391 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,018 | 0,011 |
| Études des sciences et des technologies | 0,003 | 0,028 |
| Communication savante | 0,033 | 0,030 |
| Science ouverte | 0,013 | 0,024 |
| Intégrité de la recherche | 0,010 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».