[論文レビュー] Moving towards FAIR practices in epidemiological research

Montserrat García‐Closas, Thomas U. Ahearn+13 more|arXiv (Cornell University)|Jun 13, 2022

Artificial Intelligence in Healthcare被引用数 4

ひとこと要約

この論文は、疫学的研究における再現性、共同研究、データ／コード共有を向上させるために、FAIR（Findable, Accessible, Interoperable, Reusable）原則の採用を提唱している。クラウドへのデータおよびコードの移行、オープンスタンダードおよびオープンソースツールの使用により、研究者はアクセス性と再利用可能性を向上させることができ、最終的には科学的インパクトと公平性を高め、機密性、コスト、インcentives（インcentive）に関する障壁を克服できる。

ABSTRACT

Reproducibility and replicability of research findings are central to the scientific integrity of epidemiology. In addition, many research questions require combiningdata from multiple sources to achieve adequate statistical power. However, barriers related to confidentiality, costs, and incentives often limit the extent and speed of sharing resources, both data and code. Epidemiological practices that follow FAIR principles can address these barriers by making resources (F)indable with the necessary metadata , (A)ccessible to authorized users and (I)nteroperable with other data, to optimize the (R)e-use of resources with appropriate credit to its creators. We provide an overview of these principles and describe approaches for implementation in epidemiology. Increasing degrees of FAIRness can be achieved by moving data and code from on-site locations to the Cloud, using machine-readable and non-proprietary files, and developing open-source code. Adoption of these practices will improve daily work and collaborative analyses, and facilitate compliance with data sharing policies from funders and scientific journals. Achieving a high degree of FAIRness will require funding, training, organizational support, recognition, and incentives for sharing resources. But these costs are amply outweighed by the benefits of making research more reproducible, impactful, and equitable by facilitating the re-use of precious research resources by the scientific community.

研究の動機と目的

• 疫学における再現性や共同研究を阻害するデータおよびコード共有の障壁を解消すること。
• 研究の整合性と効率を向上させるフレームワークとして、Findable, Accessible, Interoperable, Reusable（FAIR）原則の採用を促進すること。
• 疫学者が自らのデータおよびコードのFAIR性を高めるための実践的実装戦略を提供すること。
• FAIR実践を継続的に実施できるよう、機関および資金提供機関による訓練、インcentive（インcentive）、インfra構築の支援を促すこと。
• FAIR原則の導入による長期的利点が、研究インパクト、公平性、再利用可能性の観点から初期コストをはるかに上回ることを示すこと。

提案手法

• オンサイトストレージからクラウドベースのプラットフォームへのデータおよびコードの移行により、アクセス性とスケーラビリティを向上させること。
• 機械可読で特許のないファイル形式の使用により、異なるシステムやツール間での相互運用性を向上させること。
• オープンソースコードの開発および共有により、分析手法の透明性と再現性を確保すること。
• 豊富で標準化されたメタデータの整備により、研究リソースのFindability（検索可能化）と引用可能性を向上させること。
• 機密性およびプライバシーを保全しながら、適切なアクセス制御を実装すること。
• 資金提供機関および科学雑誌の既存のデータ共有ポリシーとFAIR実践を一致させ、準拠を確保すること。

実験結果

リサーチクエスチョン

• RQ1 疫学的研究は、どのようにしてデータおよびコードの再現性と再利用可能性を向上させることができるか？
• RQ2 研究者が自らのデータおよびコードをFAIRにするために、具体的に何をすべきか？
• RQ3 現在、疫学分野におけるデータおよびコード共有を制限している組織的・制度的障壁は何か？
• RQ4 クラウドコンピューティングおよびオープンスタンダードは、FAIR原則の実装をどのように支援できるか？
• RQ5 研究コミュニティ全体でFAIR実践を継続的に実施するためには、どのようなインcentive（インcentive）および支援構造が必要か？

主な発見

• データおよびコードをクラウドに移行することで、アクセス性が向上し、スケーラブルで協働的な研究が可能になる。
• 機械可読で特許のないフォーマットの使用により、相互運用性が向上し、特定のソフトウェアへの依存が軽減される。
• オープンソースコードの活用により、分析手法の透明性、再現性、コミュニティによるレビューが向上する。
• 豊富なメタデータは、研究リソースのFindability（検索可能化）と引用可能性を顕著に向上させる。
• 組織的支援、訓練、インcentive（インcentive）は、FAIR実践の持続的採用に不可欠である。
• FAIR原則の導入による長期的利点—研究インパクト、公平性、再利用可能性の向上—は、初期の実装コストをはるかに上回る。