Establishing an online resource to facilitate global collaboration and inclusion of underrepresented populations: Experience from the MJFF Global Genetic Parkinson's Disease Project
Notice bibliographique
Résumé
Parkinson's disease (PD) is the fastest-growing neurodegenerative disorder, currently affecting ~7 million people worldwide. PD is clinically and genetically heterogeneous, with at least 10% of all cases explained by a monogenic cause or strong genetic risk factor. However, the vast majority of our present data on monogenic PD is based on the investigation of patients of European White ancestry, leaving a large knowledge gap on monogenic PD in underrepresented populations. Gene-targeted therapies are being developed at a fast pace and have started entering clinical trials. In light of these developments, building a global network of centers working on monogenic PD, fostering collaborative research, and establishing a clinical trial-ready cohort is imperative. Based on a systematic review of the English literature on monogenic PD and a successful team science approach, we have built up a network of 59 sites worldwide and have collected information on the availability of data, biomaterials, and facilities. To enable access to this resource and to foster collaboration across centers, as well as between academia and industry, we have developed an interactive map and online tool allowing for a quick overview of available resources, along with an option to filter for specific items of interest. This initiative is currently being merged with the Global Parkinson's Genetics Program (GP2), which will attract additional centers with a focus on underrepresented sites. This growing resource and tool will facilitate collaborative research and impact the development and testing of new therapies for monogenic and potentially for idiopathic PD patients.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».