在医学研究中提高数据分析和代码的可复制性:5个开始建议
Anna Maria Streiber1,2, Sanne J W Hoepel2, Elisabet Blok3
1Department of Radiology and Nuclear Medicine, Erasmus MC University Medical Center Rotterdam, Rotterdam, Netherlands.
BMJ open
|October 3, 2025
概括
提高研究可重复性需要可访问的,经过充分记录的代码. 这项研究为医学研究人员提供了五项实用建议,以提高高维医学研究中的代码可重现性和数据共享.
科学领域:
- 医学研究 医学研究
- 计算生物学 计算生物学
- 数据科学数据科学数据科学
背景情况:
- 由于高维数据和先进的方法,医学研究中的可重复性越来越重要.
- 目前的编码实践往往缺乏足够的可用性和可重复性,阻碍了科学验证.
- 确保可复制代码对于医学研究的完整性和进步至关重要.
研究的目的:
- 为医学研究人员提供实用,可执行的建议,以提高代码可复制性.
- 解决医学研究中的代码可用性和可重复性差距.
- 提供可行的步骤,以提高研究结果的可靠性.
主要方法:
- 在以人口为基础的鹿特丹研究队列中审查当前编码实践.
- 基于观察到的实践和文献,制定了五个关键建议.
- 制定代码审查检查清单,以促进结构化的同行审查.
主要成果:
- 改善代码可重复性的五个核心建议:优先重复性,实施同行代码审查,编写可理解的代码,透明的决策报告,并专注于代码/数据可访问性.
- 提供了一个实用的代码审查检查清单,作为结构化同行评估的工具.
- 强调在可行的情况下通过开放存储库共享代码和数据.
结论:
- 医学研究人员可以采用这五个建议作为一个实际的起点,以显著提高研究可重复性.
- 这些指导方针旨在提高医学研究代码的透明度,可靠性和可访问性.
- 实施这些战略促进了科学努力中的可重复性文化.
相关概念视频
01:12Statistical Software for Data Analysis and Clinical Trials
1.4K
Statistical software is pivotal in data analysis and clinical trials by providing tools to analyze data, draw conclusions, and make predictions. These software packages range from simple data management applications to complex analytical platforms, supporting various statistical tests, models, and simulation techniques. Their significance lies in their ability to handle vast amounts of data with precision and efficiency, enabling researchers to validate hypotheses, identify trends, and make...
1.4K
01:25Statistical Methods for Analyzing Epidemiological Data
896
Epidemiological data primarily involves information on specific populations' occurrence, distribution, and determinants of health and diseases. This data is crucial for understanding disease patterns and impacts, aiding public health decision-making and disease prevention strategies. The analysis of epidemiological data employs various statistical methods to interpret health-related data effectively. Here are some commonly used methods:
896