流向流行病学研究中的FAIR实践
摘要：流行病学研究结果的可再现性和可复制性对于科学的完整性至关重要。此外，许多研究问题需要结合多个来源的数据以实现充分的统计力量。然而，涉及机密性、成本和激励方面的障碍经常限制了资源（包括数据和代码）共享的程度和速度。遵循FAIR原则的流行病学实践可以通过使资源易于（F）发现，并具有必要的元数据，使其对经授权用户（A）可访问，并与其他数据（I）可互操作，以实现适当归荣共享资源（R）。我们提供了这些原则的综述，并描述了在流行病学中实施的方法。通过将数据和代码从现场位置移至云端，使用机器可读和非专有文件，并开发开源代码，可以实现越来越高的FAIR性。采用这些实践将改善日常工作和协作分析，并促进符合资助者和科学期刊的数据共享政策。实现高度FAIR性将需要资金支持，培训，组织支持，认可和资源共享的激励。但是，这些成本远远超过了通过促进科学界对宝贵研究资源的再利用来提高研究的可再现性、影响力和公平性所带来的好处。
作者：Montserrat Garcia-Closas, Thomas U. Ahearn, Mia M. Gaudet, Amber N. Hurson, Jeya Balaji Balasubramanian, Parichoy Pal Choudhury, Nicole M. Gerlanc, Bhaumik Patel, Daniel Russ, Mustapha Abubakar, Neal D. Freedman, Wendy S.W. Wong, Stephen J. Chanock, Amy Berrington de Gonzalez, Jonas S Almeida
论文ID：2206.06159
分类：Populations and Evolution
分类简称：q-bio.PE
提交时间：2022-06-14