Princípios FAIR : critérios de qualidade para dados de pesquisa

Fair data
fonte : Imagen da Uniprot autor Sangra Pundir CC-BY-SA-4.0 (https://commons.wikimedia.org/wiki/File:FAIR_data_principles.jpg)

A qualidade dos conjuntos de dados de pesquisa é muito importante e precisa definir os critérios para avaliar a qualidade dos conjuntos de dados. Uma boa gestão de dados é também essencial para facilitar descobertas, inovação e reutilização para uma comunidade, depois o processo de publicação [9] .

A primeira iniciativa foi o DSA (Data Seal of Approval) [1] para repositórios em 2010-2011 que avalia os repositórios de dados. Desde o final de 2016 o grupo FORCE 11 definiu os princípios FAIR [2]. O acronimo significa : Findable, Accessible, Interoperable e Reusable ou seja em português : Achável, Acessível, Interoperavel, Reutilizável.

O FAIR é um conjunto minimal de princípios orientadores e praticas aceitadas pela comunidade para que os produtores e os usuários, humanos ou computadores poderão usar mais facilmente os dados e citar eles corretamente. Os princípios FAIR são ligados aos princípios de citações de dados definidos na Joint Declaration Data Citation Principles (JDDCP) do Force 11 [3].

Os princípios  recomendados pelo FAIR são os seguintes [2].

Achável

1. Para ser localizado qualquer objeto de dados deve ser identificável unicamente e persistentemente
1.1. O mesmo objeto de dados deve ser “re-findable” em qualquer ponto no tempo, portanto, os objetos de dados deve ser persistente, com ênfase em seus metadados,  ver também a [Joint Declaration Data Citation Principles JDDCP pontos 4 e  6]
1.2. Um objeto de dados deve incluir no mínimo metadados básicos acionáveis para uma máquina que permite que ele seja distinguido de outros objetos de dados [ver  JDDCP ponto 5]
1.3. Identificadores para qualquer conceito usado em objetos de dados devem ser, portanto, único e persistente [JDDCP pontos 4 e  6].

Acessível

2. Os dados são acessíveis na medida em que podem ser sempre obtidos por máquinas e seres humanos
2.1 Mediante autorização adequada [6]
2.2 Através de um protocolo bem definido [ver  JDDCP ponto 5]
2.3 Assim, máquinas e seres humanos serão capazes de julgar a acessibilidade atual de cada objeto de dados.

Interoperável

3. Os objetos de dados podem ser interoperáveis somente se :
3.1. (Meta) Os dados são processáveis pela máquina
3.2. (Meta) Os formatos de dados utilizam vocabulários compartilhados e/ ou ontologias
3.3  (Meta) Os dados dentro do objeto de dados devem ser tanto sintaxicamente interpretados (parseable) como semanticamente acessíveis para máquina.

Reutilizável

4. Para que os Objetos de dados sejam reutilizáveis, os critérios adicionais são:
4.1 Os objetos de dados devem ser compatíveis com princípios 1-3
4.2  (Meta) Os dados devem ser suficientemente bem descritos e ricos que podem ser automaticamente (ou com o mínimo de esforço humano) ligados ou integrados, comparado com o que é comparável, com outras fontes de dados [JDDCP pontos 7,  8]
4.3 Objetos de dados publicados devem se referir as fontes deles  com metadados ricos e proveniência para permitir a citação adequada [JDDCP  pontos 1-3).

Os principios FAIR poderão ser aplicados no DMP (Data Management Plan ou plano de gestão de dados). O programa Horizon 2020 [5, pagina 7] publicou instruções para incluir os princípios reitores FAIR dentro do padrão (template) DMP sobre a forma de perguntas para o responsável da redação do DMP. Eles também são utilizados para repositórios para melhorar as descrições dos conjuntos de dados (ver o site da Uniprot [9], um repositório de sequências de proteínas) ou para editores que querem que os autores colocam os dados ligados as publicações dentro de repositórios de dados [4].

O 4TU.Centre for Research Data e o TU Delft Research Data Services iniciam uma reflexão sobre esses princípios e estudam 37 repositórios e mostram que poucos estão seguindo os princípios de FAIR [7,8]. Por exemplo  49% dos repositórios não atribuem o identificador único (DOI, HANDLE, URN) aos conjuntos de dados.

Os resultados mostram que alguns princípios FAIR são fáceis para avaliar e outros são mais imprecisos e servem mais para abrir reflexão do que  ser realmente objetivos. Por exemplo o que pode ser definido como metadados ricos ? Ou definir que os metadados estão seguindo as normas da disciplina pertinente [8] ?

 

Fontes

Onde achar dados de pesquisa em saúde ?

5755763742_7d2701d8e6_m
By Adrienne Yancey for opensource.com https://opensource.com/health/11/5/open-health-and-medical-gag-orders

O movimento do compartilhamento dos dados de pesquisa é uma realidade. Mais como acessar essas informações  ? Atualmente apesar da ferramenta Datasearch do Elsevier em beta versão, não tem ferramenta única para buscar dados de pesquisa. A lista de sites seguinte dá algumas dicas para achar os conjuntos de dados. Esta lista pode evoluir em função das suas sugestões (por email) ou de atualizações.

Generalidade

Repositórios de dados http://oad.simmons.edu/oadwiki/Data_repositories (seção 12 Medicina) essa página lista vários repositórios de dados em saúde.

re3data.org www.re3data.org/ Re3data.org identifica mais de 1,500 repósitorios de dados. Busca por temática, por exemplo Basic Medical Research (260 repositórios) ou Medicine (358 repositórios).

Há repositórios de dados genéricos como Zenodo, Figshare Dryad 4Tu Centrum,  ou plataformas nacionais : UK Data Archive (UKDA) ou DANS (Holanda) onde é possível  buscar por palavras-chaves e temáticas (ver também o post sobre repositórios genéricos).

O Elsevier lançou o Datasearch em versão beta para procurar conjuntos de dados.  Esta ferramenta busca dentro dos repositórios de dados e os “suplementary materials” dos artigos da plataforma Sciencedirect de Elsevier. Essa ferramenta que pode ser muito util para buscar dados é uma iniciativa de uma empresa privada e faz a promoção dos conteúdos de Science Direct. Ele não faz parte diretamente do movimento de dados abertos, bem como o Data Citation Index de Thomson Reuters que é uma ferramenta disponível na subscrição.

O site Openaire busca dentro dos repositórios os dados dos projetos da União Europeia (programa H2020).

Os repositórios de documentos em acesso livre as vezes contém conjuntos de dados.  Ver lista dos repositórios brasileiros de acesso aberto do IBICT.

Biocaddie data discovery index (DDI) (National Institutes of Health). Biocaddie é um protótipo para de descoberta de dados. A ferramenta Datamed  fornece acesso a conjuntos de dados a partir de 43 repositórios de dados científicos.

Biotecnologia
Ensaios Clínicos
Saúde pública
Genômica
  • EMBL Nucleotide Sequence Database European Nucleotide Archive
  • dbSNP The Nucleotide database – em colaboração com o  National Human Genome Research Institute, o National Center for Biotechnology Information (US) disponibiliza o “The Nucleotide database” que é uma coleção de sequências de várias fontes, incluindo GenBank, RefSeq, TPA and PDB. Genoma, gene e dados da sequência de transcrição.
Bactéria e virus

 

Para ler :

  1. Reis, Juliana e Fernanda Marques, Fernanda (2016) Ensaios clínicos, eis a questão: dados abertos ou não? http://www.periodicos.fiocruz.br/pt-br/content/ensaios-cl%C3%ADnicos-eis-questão-dados-abertos-ou-não
  2.  Centro Latino-Americano e do Caribe de Informação em Ciências da Saúde (Bireme/Opas/OMS) .  Sobre o compartilhamento de dados de ensaios clínicos. 8/03/2016. http://periodicos.fiocruz.br/sites/default/files/anexos/Nota%20Bireme%20-%20compartilhamento-dados-ensaios-clinicos.pdf

Os desafios de dados de pesquisa abertos [artigo]

Aventurier, P. ; de Alencar, MC ( 2016). Os desafios de dados de pesquisa abertos. Revista Eletrônica de Comunicação, Informação & Inovação em Saúde; v. 10, n. 3.  http://www.reciis.icict.fiocruz.br/index.php/reciis/article/view/1069 ou no repositorio do INRA http://prodinra.inra.fr/record/372582.

  • Pascal Aventurier; Institut National de la Recherche Scientifique. Centre de Recherche PACA. Avignon, France.
  • Maria Cleofas de Alencar; Empresa Brasileira de Pesquisa Agropecuária. Embrapa Meio Ambiente. Jaguariúna, SP, Brasil.
Resumo

A gestão, a disponibilização e a preservação dos dados de pesquisas são preocupações cada vez mais centrais para os pesquisadores, as instituições de pesquisas e também para as agências de fomento e revistas cientificas. Todos esses têm o objetivo de desenvolver boas práticas de pesquisa que permitam a verificação e a reutilização dos dados, a valorização dos trabalhos de construção de conjuntos de dados e o desenvolvimento de novas maneiras de pesquisar utilizando dados já produzidos. Este artigo apresenta as diferentes etapas do ciclo de vida dos dados e mostra as iniciativas internacionais e nacionais tomadas para desenvolver esse campo que tem grande interesse para a área da saúde.

Abstract
Increasingly, the management, availability and preservation of research data concern researchers, research institutions as well as research funding agencies and scientific journals. All of them aim to develop good research practices allowing the data confirmation and their reuse, the improvement of the dataset building and the development of new ways of searching through the use of data already produced. This paper presents the different stages of the data life cycle and shows the international and national initiatives to develop these important issues to the health field.

Dados de pesquisa : descrição do ciclo de vida de gestão de dados

Os Dados bem organizados e com documentação, com garantia para preservação e enfim compartilhados são essenciais para  a investigação científica e para reforçar as oportunidades de aprender e de inovar.

Os dados de pesquisa tem uma vida alem do projeto que os criam. Pesquisadores devem continuar a trabalhar nos dados depois que os financiamentos acabam, e seguir projetos para que os dados possam ser analisados, citados, atualizados ou qualquer forma de reutilização para outros pesquisadores. Desta forma, a reutilização de dados para criar novas pesquisas alimenta um ciclo de vida.

O ciclo de vida dos dados de pesquisa tem varias representações e envolvem as principais etapas seguintes (ver a figura 1) :

Continuar a ler “Dados de pesquisa : descrição do ciclo de vida de gestão de dados”

Fazer da ciência aberta uma realidade : relatório da OECD

oecdO OECD publicou um relatório sobre ciênca aberta “Making open science a reality”.

Ciência aberta pode ser considerada como um conceito mais amplo do acesso aberto para publicações e dados de pesquisas. Ciência aberta acontece em todas as etapas das pesquisas (o relatório tem um glossário).  Ela inclui também a interoperabilidade das infraestruturas científificas, metodologias compartilhadas e ferramentas para data mining. O relatório da OECD mostra as tendências recentes em políticas de ciências abertas em particular sobre as iniciativas para promover acesso aos resultados financiados  com fundos públicos (publicação e dados de pesquisas).

O relatório analisa também os papéis dos diferentes atores da ciência aberta : pesquisadores, ministérios dos governos, agência de amparo, universidades e institutos de pesquisas, bibliotecas, data center, repositórios, ongs privadas e fundações,  editores privados e comerciais em geral.

Organizações intergovernamentais (OECD, UNESCO, EU and Worldbank) tem um papel muito importante para a definição de acordos internacionais ou orientações sobre ciências abertas que poderão ser adotadas pelos países por exemplo. Essas organizações são muito atívas nesse domínio.

O relatório destaca as principais conclusões que mostram a importância da ciência aberta para melhorar a qualidade da ciência,  aumentar as colaborações que envolvem  pesquisas e sociedades e pode contribuir para um melhor impacto socio-econômico das pesquisas públicas.

Politicas de incetivo sobre dados abertos são menos estabelecidas do que aquelas sobre publicações. Elas são um princípio de base que devem ser adaptadas em função do domínio (medicina por exemplo ) e das realidades locais.

Iniciativas para promover ciência aberta para os pesquisadores são necessárias. É importante também desenvolver competências para gestão de dados.

O relatório menciona  os planos de  iniciativas sobre politicas do BRICS (Brasil, China e India) para ciênca aberta e data infraestrutura. É  importante para esses países porque a produção de conhecimento, pesquisa e desenvolvimento industrial estão em crescimento.

Desafios globais precisam também de um melhor acesso aos dados nacionais e consequentemente uma melhor cooperação  global.

O capítulo 2 apresenta o acesso aberto sobre publicações com o projeto “open citation advantage“, a duração do embargo em função das disciplinas e a porcentagem de artigos em  acesso livre, os diferentes meios do acesso livre, as novas métricas como Altmetrics e no final a importância da mineração de textos  e da propriedade intelectual. Aborda também o open peer review com a experiência do F1000Research.

O capítulo 3 destaca a situação dos dados abertos de pesquisa. A pesquisa científica é conduto pelos dados (data driven) e permite o desenvolvimento de experimentação como simulação com algaritmo, mesmo em domínio onde dados são menos incentivados. Os dados são também infraestrutura porque eles permitem a construção de vários sistemas para funcionar e responder as demandas de um painel de utilizadores. o Capítulo aborda também a citação de dados e a estrutura jurídica para compartilhar os dados.

O projeto ODE (Opportunity for Data Exchange) desenvolveu uma pirâmide para   visualizar as diferentes etapas da curadoria digital de dados.

O capítulo 4 apresenta a administração da ciência aberta : atores, tendências, e politicas. Os  governos  estabelecem incentivos para os dados governamentais abertos e infraestruturas como Data center, para estocar, curadoria e fornecer acesso nos dados.

A iniciativa do projeto europeu Openaire permite de fornecer um “cross-link” entre publicações , dados de pesquisas e esquemas de agência de amparo.

outros atores são citados como fundações e RDA (Research Data Alliance) criada em 2013 com apoio da NSF, NIST, união Européia e  governo da Austrália  para promover compartilhamento e reutilizabilidade dos dados . RDA é organizada com Working Groups e Interest Groups e tem agora 1600 aderentes de 70 países. O relatório citou também os editores comerciais como atores importantes

Tem  country notes : observações sobre a situação da ciência aberta em cada país no site Innovation Policy Platform  (ver as informações sobre Brasil)

Fonte : OECD (2015), “Making Open Science a Reality”, OECD Science, Technology and Industry Policy Papers, No. 25, OECD Publishing, Paris. http://dx.doi.org/10.1787/5jrs2f963zs1-en. Site Web https://www.innovationpolicyplatform.org/content/open-science.

 

Avaliação pelos pares de conjunto de dados (datasets) : quando, porque e como em geociências ?

Fonte : Mayernik, Matthew S. ; Callaghan, Sarah ; Leigh, Roland ; Tedds, Jonathan . Worley, Steven. Peer Review of Datasets: When, Why, and How. Bulletin of the American Meteorological Society 2014 ; e-View doi: http://dx.doi.org/10.1175/BAMS-D-13-00083.1.

Wikipedia http://en.wikipedia.org/wiki/NASA_World_Wind
Moon – Hypsometric Map layer Wikipedia http://en.wikipedia.org/wiki/NASA_World_Wind

Esse artigo mostra o papel central de avaliação pelos pares (peer-review) no sistema de comunicação cientifica e  como ele pode se aplicar na avaliação da qualidade dos datasets (conjuntos de dados) na área da meteorologia. A questão principal é a aplicabilidade da avaliação pelos pares sobre dados para manter qualidade e aumentar a reutilização deles.

Esse estudo faz parte do projeto PREPARDE (the Peer REview for Publication & Accreditation of Research Data in the Earth sciences) (1).

Muitos jornais tem instruções dizendo  que os dados devem ser disponíveis para cientistas, desde que eles peçam , mais na realidade isso pode ser muito dificil para cumprir. Avaliação pelos pares de dados não é muito bem definida ainda. Tem muitas barreiras como por exemplo, poucos pesquisadores podem avaliar dados e essa atividade pode levar muito tempo.

Os cenários explorados no artigo são :

  1. dados analisados dentro dos artigos científicos tradicionais :

    nessa situação os dados são vistos como um apoio logico para as conclusões do artigo de pesquisa

  2. dados publicados dentro de um jornal cientifico :

    Isso é comum em geociências : um artigo clássico apresenta um novo conjunto de dados. 11 dos 20 artigos mais citados das revista Bulletin of the American Meteorological Society são sobre dados. Esse tipo de « data paper » recebe a mesma avaliação do que os outros artigos de pesquisa, sem instruções especificas.
    A preocupação é de manter a perenidade dos dados e o link entre o artigo descrevendo eles através de parcerias entre bibliotecas e jornais com ferramenta de repositórios de dados (por exemplo http://rda.ucar.edu),  de « persistente identifier » como o DOI e da homogenização dos metadados. Esses link entre repositórios e jornais está crescendo rápido e os atores formam uma comunidade de avaliação de dados.

  3. Dados submetidos dentro de repositórios de dados abertos :

    Em geociências os repositórios de dados são criados para instituições ou para centros nacionais de dados. Esse tipo de avaliação é mais tecnica do que cientifica. Mais a situação esta evoluindo e tem repositórios que exigem uma avaliação do conjunto de dados antes de publicá-los.

    Os repositórios de dados tem expertise para implementar “data managment plan” que ensurre antes do deposito a qualidade e controle dos dados.

  4. Conjunto de dados publicados em data journals :

    Data journals são jornais que vão publicar data papers. Esses artigos vão descrever um conjunto de dados que vai ser disponibilizado dentro de um repositório explicando as condições de processamento, a coleção e formato de arquivos. Data papers são uma etapa para fornecer documentação sobre a qualidade e são também o primeiro passo entre utilisadores e produtores. Eles precisam ser avaliados. O artigo completo analisa três data journals :  Earth System Science Data (Copernicus), Geoscience, Data Journal (Wiley), and Scientific Data (Nature). Ver também o pos nesse blog Publicação dos dados em Data journals.

Avaliação de dados de pesquisa não é ainda bem definida. Portanto definir a qualidade de conjuntos de dados é uma tarefa multi-facetas que envolvem processamentos automáticos e manuais.

Adicionar dados de pesquisa dentro do sistema de publicação e avaliação aumenta o estresse sobre o sistema de publicação cientifica. Mais se é feito com preparação e antecedencia poderá aumentar a confiança aos conjuntos de dados individuais, reforçar o sistema de citação dos datasets e a transparência e traçabilidade dos dados e também das publicações.

1 PREPARDE http://www2.le.ac.uk/projects/preparde

Academic Torrents : um torrent para dados acadêmicos

Dois estudantes da Universidade de Massachusetts  abriram a plataforma  Academic Torrents que permite aos cientistas de compartilhar publicações e dados de pesquisa [1].  A diferência do outros repositorios de dados como  Zenodo, Dryad ou  Figshare, AcademicTorrents usa  o  protocolo bittorrent para oferecer recursos compartilhados (Peer to Peer ou P2P).  O site  indexa mais de  1.5 petabits de dados  [1] e mais de 6.91Tb de dados  disponiveis. Ele tem conteudo em destaque como :  o mapa de março da NASA, ou uma  copia de Wikipedia.

Com Academic Torrents é possivel buscar documentos, dados ou coleções. Em baixo as listas de  coleções :

Esse projeto e interessante porque ele oferece uma resposta no problema da disponibilização dos dados de pesquisa com gerência das instituições de pesquisas [2]. Os dados são repartilhadas no sites que carregarem os dados e o acesso é garantido mesmo sem site principal conectado. O maior problema pode ser as restrições de segurança de uso desse protocolo nas instituições de pesquisa ou universidades. Um cliente bit torrent é indispensavel para usar o site.

http://academictorrents.com/

[1] “Academics Launch Torrent Site to Share Papers and Datasets | TorrentFreak.” Accessed February 26, 2014. http://torrentfreak.com/academics-launch-torrent-site-to-share-papers-and-datasets-140131/.

[2] “Academic Torrents: Bringing P2P Technology to the Academic World.” MyScienceWork. Accessed February 26, 2014. https://www.mysciencework.com/news/11123/academic-torrents-bringing-p2p-technology-to-the-academic-world.

Publicação dos dados em Data journals

BDJ genomicdata

Uma melhor disseminação dos dados ciêntificos podem ajudar  a melhorar a qualidade dos dados  e transparência, e as colaborações para a produção dos dados  e permitir novas oportunidades de pesquisas em produzir dados  em uma escala maior e multidisciplinar. Nesse contexto aparecem os jornais de dados : “data journals”.

Os principios dos data journals são os seguintes : eles não contem  dados mais um novo tipo de publicação de “artigo cientifico” que são “data descriptors” que vai descrever o “data set” (conjunto de dados). Esse novo tipo de artigo é avaliado pelos pares e contem  uma parte textual como uma publicação tradicional e uma outra parte de descrição dos dados : metadados,

Os data sets não estão incluidos nos jormais mais poderão ficar em serviços como Dryad ou Figshare (Figshare  e um serviço de Digital Science, uma empresa do grupo de Nature).

Os dados como os “data descriptors” serão divulgados sobre uma  licença “open” creative commons.

Os editores se interessam na gestão e na divulgação dos dados de pesquisas.

O grupo Nature que publica a revista do mesmo nome vai lançar um novo serviço chamado « Scientific Data », uma plataforma que funciona no modelo de “Gold Open Access “(os autores pagam os custos de publicação). Scientific Data conterá descrição  textual, metadatas sobre data sets (conjunto de dados), primeiramente  em ciências biológicas, meio ambiente, biomedicina.

Alguns data journals :

  1. Scientific Data (Nature)
  2. Geoscience Data Journal
  3. CODATA Data Science Journal
  4. Earth System Science Data
  5. Journal of Chemical & Engineering Data (ACS Publications)
  6. Big Data
  7. Biodiversity Data Journal
  8. Genomics Data (Elsevier)
  9. O projeto de alexandria archive sobre datajournals
  10. Journal of Open Archaeology Data

Qual e o interesse para os autores ?

Os autores poderão valorizar o trabalho deles, permitindo o acesso aos outros pesquisadores que poderão usar e citar os dados, e talvez iniciar parcerias. Na ârea da ciência, as vezes, a produção de dados custa muito dinheiro e  é uma das maiores despesas das pesquisas. Já tem muito exemplos de laboratórios de pesquisas que usam os dados de outros laboratórios através de colaborações. O Thomson Reuters ja lançou o Data Citation Index para medir as citações de datasets.

Para os editores

É certo que os  “Data Descriptors” poderão ser produzidos para outras organizações que os editores “for profit”, mais de um outro lado,  os editores são especializados em  processo de avaliação pelos pares, indexação, valorização e os dados são um novo meio de desenvolvimento para eles.

Dados como artigos ?

Tem um risco que os editores aplicam o mesmo modelo econômico que para as revistas que levou  a essa situação atual : Os editores controlam a difusão dos conhecimentos cientificos e o  movimento do acesso livre “open access”  apareceu em reação a essa liderança. As instituições deverão  construir os próprios projetos para a avaliação de dados de pesquisa. Ja tem projeto com a Research Data Alliance, uma posicão da União Europeia e projeto sobre data journals OpenScienceLink. A seguir…