Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Glucose Transporters01:27

Glucose Transporters

Glucose transporters facilitate the transport of glucose across the cell membrane. In addition to glucose, some glucose transporters can also aid the movement of other hexoses such as fructose, mannose, and galactose.
Facilitated diffusion-glucose transporters (GLUTs) are encoded by the solute-linked carrier (SLC) family 2, subfamily A gene family, or SLC2A. The 14 GLUT protein members are distributed into three classes:
Bioavailability Study Design: Healthy Subjects Versus Patients01:15

Bioavailability Study Design: Healthy Subjects Versus Patients

Bioavailability studies are essential for evaluating a drug's therapeutic efficacy and understanding its absorption patterns under various physiological conditions. Conducting such studies on target patient populations provides more relevant data by simulating real-world disease states. However, practical challenges often necessitate the use of young, healthy adult volunteers as study subjects.Patients may exhibit altered drug absorption patterns due to the effects of the disease itself,...

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Unhealthy fat distribution as a sex-specific predictor of declining hippocampus insulin sensitivity.

Diabetologia·2026
Same author

Effect of Finerenone on Albuminuria in Type 1 Diabetes by Baseline HbA1c Level and Diabetes Duration: An Exploratory Analysis of the FINE-ONE Trial.

Diabetes care·2026
Same author

Increasing incidence of type 1 diabetes in children and adolescents from 2012 to 2021 in Germany: trends before and during the COVID-19 pandemic.

European journal of epidemiology·2026
Same author

Cancer prevention through metabolic remission.

Nature reviews. Endocrinology·2026
Same author

Diabetes Mellitus and the Heart.

Experimental and clinical endocrinology & diabetes : official journal, German Society of Endocrinology [and] German Diabetes Association·2026
Same author

Meet NUM-ENRICH: A Collaborative National Effort to Extend and Harmonize Research Infrastructures Within the German Network University Medicine.

Studies in health technology and informatics·2026

Video Experimental Relacionado

Updated: Jun 28, 2026

Isolation of Human Islets from Partially Pancreatectomized Patients
11:10

Isolation of Human Islets from Partially Pancreatectomized Patients

Published on: July 30, 2011

16.8K

Lecciones aprendidas de la implementación de flujos de trabajo de FAIRificación en la investigación de la diabetes en

Esther Thea Inau1, Angela Dedié2, Ivona Anastasova2

  • 1Medical Informatics Laboratory, University Medicine Greifswald, Greifswald, Germany.

PLOS digital health
|January 13, 2026
PubMed
Resumen

La comparación de dos flujos de trabajo de datos FAIR para la investigación de la diabetes reveló que las adaptaciones específicas del dominio mejoran la eficiencia, pero no necesariamente las puntuaciones de FAIRness para los conjuntos de datos centrales. La planificación temprana de las estrategias de datos FAIR es crucial.

Palabras clave:
FAIRificacióninvestigación de la diabetesflujos de trabajo de datosgestión de datos de investigacióninformática de la saludciencia de datos

Más Videos Relacionados

Improved Protocol For Laser Microdissection Of Human Pancreatic Islets From Surgical Specimens
09:43

Improved Protocol For Laser Microdissection Of Human Pancreatic Islets From Surgical Specimens

Published on: January 6, 2013

14.9K
Author Spotlight: Cost-Effective Transcriptomic Drug Screening - Unlocking New Targets
06:40

Author Spotlight: Cost-Effective Transcriptomic Drug Screening - Unlocking New Targets

Published on: February 23, 2024

1.7K

Videos de Experimentos Relacionados

Last Updated: Jun 28, 2026

Isolation of Human Islets from Partially Pancreatectomized Patients
11:10

Isolation of Human Islets from Partially Pancreatectomized Patients

Published on: July 30, 2011

16.8K
Improved Protocol For Laser Microdissection Of Human Pancreatic Islets From Surgical Specimens
09:43

Improved Protocol For Laser Microdissection Of Human Pancreatic Islets From Surgical Specimens

Published on: January 6, 2013

14.9K
Author Spotlight: Cost-Effective Transcriptomic Drug Screening - Unlocking New Targets
06:40

Author Spotlight: Cost-Effective Transcriptomic Drug Screening - Unlocking New Targets

Published on: February 23, 2024

1.7K

Área de la Ciencia:

  • Informática de la Salud
  • Ciencia de Datos
  • Gestión de Datos de Investigación

Sus antecedentes:

  • Los principios FAIR (Encontrables, Accesibles, Interoperables, Reutilizables) son esenciales para maximizar el valor de los datos científicos.
  • Las comunidades de investigación desarrollan flujos de trabajo específicos del dominio para lograr datos FAIR.
  • La implementación de flujos de trabajo de datos FAIR requiere una cuidadosa consideración de los estándares y las prácticas.

Objetivo del estudio:

  • Comparar la implementación de un flujo de trabajo de FAIRificación genérico frente a uno específico del dominio.
  • Evaluar el impacto de estos flujos de trabajo en las puntuaciones de FAIRness utilizando datos de investigación de la diabetes de Alemania.
  • Identificar los requisitos para la implementación efectiva del conjunto de datos central de datos FAIR.

Principales métodos:

  • Se aplicaron dos flujos de trabajo de FAIRificación estructurados desarrollados externamente: uno genérico y otro específico del dominio.
  • Se utilizaron metadatos de la investigación de la diabetes en Alemania.
  • Se empleó el modelo de madurez de datos FAIR de la Research Data Alliance (RDA).

Principales resultados:

  • Ambos flujos de trabajo, el genérico y el específico del dominio, requirieron recursos similares para su implementación.
  • Ambos flujos de trabajo resultaron en calificaciones de FAIRness equivalentes para los conjuntos de datos centrales.
  • Las adaptaciones para los datos de investigación en salud mejoraron la eficiencia del flujo de trabajo, pero no las puntuaciones de FAIRness de los conjuntos de datos centrales.

Conclusiones:

  • Las adaptaciones de flujos de trabajo específicos del dominio para datos de salud mejoran la eficiencia, pero no aumentan inherentemente las puntuaciones de FAIRness para los conjuntos de datos centrales.
  • Se identificó una lista de requisitos universales para la FAIRificación de conjuntos de datos centrales.
  • La planificación estratégica temprana y el desarrollo de infraestructura son vitales para la implementación exitosa de datos FAIR.