Recherche ouverte, rigoureuse et reproductible : un manuel pour les praticiens (2021)

Phase de conception de la recherche

• Définir la question de recherche
• Choisir le plan de recherche
• Reconnaître la diversité des plans de recherche
• Identifier les différentes sources d’erreur et d’incertitude dans l’estimation
• Identifier les biais typiques selon les différentes sources de données et les plans de recherche
• Réduire les différents types d’erreurs et choisir les méthodes d’estimation
• Élaborer un plan d’analyse
• Commencer la documentation d’une étude à grande échelle

Phase d’analyse

• Commencer ici
• Plan d’analyse statistique (SAP)
• Génération des données
• Préparation des données
• Visualisation des données
• Résumé des données
• Analyse des données
• Analyse des données dans le domaine médical
• Rapport d’analyse statistique
• Exemples
• Ressources

Phase de publication

• Publier les données
• Publier le code
• Environnement reproductible
• Modèle de publication ouverte
• Documenter le processus et les décisions
• Ressources supplémentaires

Préface

• L’ouvrage part du principe qu’il existe de nombreuses façons d’accroître les bénéfices de la recherche.
• Il examine les principales limites lorsque la recherche n’est pas menée de manière transparente et reproductible, en raison d’un accès restreint, de la complexité de l’analyse, ou de problèmes d’accès aux données ou aux logiciels.
• Il explique pourquoi les efforts pour rendre la recherche plus ouverte, plus transparente et plus reproductible restent insuffisants.

Auteurs et remerciements

• Les auteurs mènent des activités de recherche à l’université Stanford et chez Google Health, et sont titulaires de doctorats en machine learning, en épidémiologie et santé des populations, et en data science.
• Ils remercient les premiers lecteurs, la communauté de la Stanford Data Science Initiative, ainsi que Russ Poldrack, John Chambers et Steve Goodman.

L’avis de GN⁺

Le point le plus important de ce texte est qu’il montre comment rendre la recherche plus ouverte, plus transparente et plus reproductible, ce qui est intéressant car cela peut renforcer la fiabilité des découvertes scientifiques et améliorer l’utilité des résultats de recherche. En proposant une approche pratique et modulaire à chaque étape — conception de la recherche, analyse des données et publication — il est attrayant en ce qu’il aide les scientifiques très occupés à mieux mener et partager leurs travaux.