Quality management and documentation practices in academic wet labs
Notice bibliographique
Résumé
Rationnel : Les problèmes de reproductibilité des résultats expérimentaux retardent le développement de traitements fonctionnels. La qualité et la reproductibilité de la recherche biomédicale universitaire sont remise en question sous plusieurs facettes. L’adoption de méthodologies de contrôle de qualité standardisées, éprouvées en industrie est une solution potentielle. Cependant, aucun besoin ni avantage n’ont été identifiés à ce sujet au Québec, contribuant ainsi à l’idée que ces pratiques n’y sont pas nécessaires. Ainsi, une meilleure identification et compréhension des besoins est nécessaire afin que les avantages deviennent évidents pour les parties prenantes. Bien que plusieurs études et groupes de discussion internationaux existent dans la littérature, ces investigations sont axées sur les opinions des dénommées « parties prenantes principales », soit les directeurs d’institutions de recherche et leurs chercheurs. Par contre, c’est le personnel du laboratoire qui travaille quotidiennement avec les protocoles et serait ainsi ciblé par des mesures de standardisation. Ils ne détiennent peut-être pas le pouvoir décisionnel final, mais ils constituent un obstacle potentiel à la mise en œuvre harmonieuse des pratiques de qualité. Hypothèse : Le milieu de la recherche académique en laboratoire humide ne ressent pas le besoin d’utiliser des méthodologies standardisées du contrôle de la qualité et il s’opposera à leur implémentation potentielle. Objectifs : Démontrer l’impact de l’utilisation de méthodes du contrôle et de l’assurance qualité en s’appuyant sur les expériences et protocoles exécutés par la candidate. Y soutirer des thèmes et construire un questionnaire pour une étude pilote afin de sonder une population d’un centre de recherche en milieu académique, soit le personnel du Centre de recherche du CHU Sainte-Justine. Valider le questionnaire et déterminer la taille de l’échantillon nécessaire pour une étude primaire future. Résultats : Le contrôle et l’assurance qualité permettent de capter d’importantes erreurs pouvant affecter l’interprétation des données expérimentales. L’étude pilote a permis de valider la majorité du questionnaire et d’estimer un échantillon minimal pour une étude primaire future.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».