Quality management and documentation practices in academic wet labs
Bibliographic record
Abstract
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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.049 | 0.095 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.009 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.010 | 0.004 |
| Open science | 0.004 | 0.005 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".