[논문 리뷰] Moving towards FAIR practices in epidemiological research

Montserrat García‐Closas, Thomas U. Ahearn외 13명|arXiv (Cornell University)|2022. 06. 13.

Artificial Intelligence in Healthcare인용 수 4

한 줄 요약

이 논문은 역학 연구에서 재현성, 협업 및 데이터/코드 공유를 향상시키기 위해 FAIR(찾을 수 있고, 접근 가능하며, 상호운용 가능하고, 재사용 가능한) 원칙의 도입을 주장한다. 클라우드로 데이터와 코드를 이관하고, 개방형 표준 및 오픈소스 도구를 사용함으로써 연구자들은 접근성과 재사용 가능성을 향상시킬 수 있으며, 이는 과학적 영향력과 형평성을 높이고 기밀성, 비용, 동기 부여와 관련된 장벽을 극복하는 데 기여한다.

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.

연구 동기 및 목표

• 역학 연구에서 재현성과 공동 연구를 저해하는 데이터 및 코드 공유의 장벽을 해결하기 위해.
• 연구의 투명성과 효율성을 향상시키기 위한 프레임워크로 Findable, Accessible, Interoperable, Reusable(FAIR) 원칙의 도입을 촉진하기 위해.
• 역학자들이 자신의 데이터와 코드를 더 FAIR하게 만들 수 있도록 실천 가능한 구현 전략을 제공하기 위해.
• FAIR 관행의 지속 가능성을 위해 기관 및 자금 제공 기관의 훈련, 동기 부여 및 인프라 지원을 장려하기 위해.
• FAIR 도입의 장기적 이점이 초기 비용을 상회하여 연구 영향력, 형평성 및 재사용 가능성 측면에서 뛰어나다는 것을 입증하기 위해.

제안 방법

• 접근성과 확장성을 향상시키기 위해 현장 저장소에서 클라우드 기반 플랫폼으로 데이터와 코드를 이관하기 위해.
• 시스템과 도구 간의 상호운용성을 향상시키기 위해 기계로 읽을 수 있고 독점적이지 않은 파일 형식을 사용하기 위해.
• 분석 방법의 투명성과 재현 가능성을 보장하기 위해 오픈소스 코드를 개발하고 공유하기 위해.
• 데이터 자원의 찾기 쉬움과 인용 가능성을 향상시키기 위해 풍부하고 표준화된 메타데이터를 구현하기 위해.
• 기밀성과 개인정보 보호를 유지하면서도 정당한 접근 권한을 보장하기 위해 액세스 제어를 구현하기 위해.
• 기금 제공자 및 과학 저널의 기존 데이터 공유 정책과 FAIR 관행를 일치시켜 준수를 보장하기 위해.

실험 결과

연구 질문

• RQ1 역학 연구에서 데이터와 코드의 재현성과 재사용 가능성을 어떻게 향상시킬 수 있는가?
• RQ2 연구자들이 자신의 데이터와 코드를 FAIR하게 만들기 위해 실천 가능한 단계는 무엇인가?
• RQ3 현재 역학 분야에서 데이터 및 코드 공유를 제한하는 기관적 및 체계적 장벽은 무엇인가?
• RQ4 클라우드 컴퓨팅과 개방형 표준은 FAIR 원칙의 구현을 어떻게 지원할 수 있는가?
• RQ5 연구 공동체 전반에서 FAIR 관행를 지속하기 위해 필요한 동기 부여 및 지원 체계는 무엇인가?

주요 결과

• 클라우드로 데이터와 코드를 이관하면 접근성 향상과 확장 가능한 협업 연구를 지원한다.
• 기계로 읽을 수 있고 독점적이지 않은 형식을 사용하면 상호운용성이 향상되고 특정 소프트웨어에 대한 의존도가 감소한다.
• 오픈소스 코드는 분석 방법의 투명성, 재현 가능성 및 공동체 검토를 향상시킨다.
• 풍부한 메타데이터는 연구 자원의 찾기 쉬움과 인용 가능성을 크게 향상시킨다.
• 조직적 지원, 훈련 및 동기 부여가 FAIR 관행의 지속적 도입을 위해 필수적이다.
• FAIR 도입의 장기적 이점—연구 영향력 향상, 형평성 향상 및 재사용 가능성 증대—는 초기 구현 비용을 훨씬 초월한다.