What Makes a Good Health Related Research Data Repository? Findings from a Scoping Review
Notice bibliographique
Résumé
Introduction There is a strong need for having a focal point such as a data repository platform to ensure that evidence produced in local context can be collected, managed, protected and disseminated to relevant parties in timely manner. In establishing such platform, understanding the best practices and major characteristics of established data repositories on health-related research data worldwide would be the first crucial step. A scoping review was thus performed with the objective of mapping the characteristics of online-based health-related research data repositories that are being practised globally. Methodology A three phase processes was performed which include; identifying relevant articles from major online databases, namely Pubmed, CINAHL, Web of Science and Google Scholar; charting the data, and; collating and summarising the data from the articles collected. Results A total of 46 final articles were identified and analysed. Majority of the articles discussed on platforms which are based in the United States and Canada (n=26), combination of more than one country (n=9), Europe (n=8), Africa (n=2), and Asia (n=1). Three major themes emerged that describe the characteristics of these data repositories, namely; Data deposit and archive; Data retrieval and access; Data policy and governance. Discussion/Conclusion The scoping review has revealed the major characteristics of established health-related research data repositories that are being practised globally. It is thus imperative to adopt these characteristics in local data repository platforms to enhance the function of these platforms especially for organisations that produce and manage local research products such as the National Institutes of Health (NIH) Malaysia. [Disclaimer: Abstract text might vary slightly from what is displayed in the e-poster]
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 | 0,182 | 0,426 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,043 | 0,055 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,019 | 0,016 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».