Anesthesie & Reanimation最新文献

Description chronologique, de la soumission d’un manuscrit à la publication, par le rédacteur en chef d’un journal européen. Conseils aux jeunes chercheurs et description du processus global. Remarques additionnelles et références.

Chronological description of the editorial process from the manuscript submission to the publication by an Editor-in-Chief of a European journal. Advices and suggestions for young researchers. Tips. Additional remarks and references.

Le financement de la recherche au sein des établissements de santé a longtemps été forfaitaire (13 %) et réservée à certaines catégories d’établissements. En 2008, le ministère de la Santé a mis en place une réforme du financement en instaurant un nouveau modèle, le modèle MERRI : missions d’enseignement, de recherche, de référence et d’innovation. Ce modèle comporte différents volets de financement dont la dotation socle d’un montant de près de 2 milliards d’euros et basé sur des indicateurs d’activité. 75 % de la dotation socle sont attribués à partir des données SIGAPS (publications scientifiques) et SIGREC (essais cliniques). Mise à disposition d’environ 70 établissements en 2008, la plateforme SIGAPS/SIGREC est maintenant installée dans 650 établissements, comprenant près de 200 000 chercheurs qui ont produit entre 2000 et 2021 plus de 400 000 publications (Articles, Reviews et Editorials). Le nombre de publications a fortement augmenté, passant de 12 375 en 2000 à 28 430 en 2021 (+ 130 %). Le montant de la dotation socle est lui passé de 1,5 milliards d’euros en 2015 à 1,87 milliards d’euros en 2022. Les modalités de calcul de ces indicateurs sont relativement complexes et l’objectif de cette mise au point est de vous aider à les décrypter. Enfin, l’évaluation de la recherche a évolué depuis 15 ans et une réflexion est à mener sur les évolutions possibles, en distinguant bien les évaluations des établissements des évaluations individuelles.

Tous les travaux de recherche commencent par une question. Cette question doit être claire et bien définie dès le départ, car sa nature influencera toutes les étapes suivantes, notamment la méthodologie. Il s’agit donc d’une étape majeure dans la réalisation d’un projet de recherche, qui demande de l’expertise et du travail. Une bonne question émerge en effet de l’expérience clinique et des recherches réalisées antérieurement. Elle nécessite pour être pertinente une maîtrise de la littérature existante sur le sujet, une ouverture à de nouvelles idées, de nouvelles techniques, de nouvelles méthodologies, de l’imagination et de la créativité, mais aussi une grande attention aux conseils de ses mentors et des experts établis. Cette question doit répondre à des critères de faisabilité, d’intérêt, de nouveauté, d’éthique et de pertinence (les critères FINER). Elle doit être formulée de manière structurée pour assurer un maximum de clarté, en suivant par exemple le cadre PICOT (pour population, intervention étudiée, contrôle, outcome et timeframe). Choisir et formuler la question principale de son essai clinique n’est donc pas un exercice purement sémantique.

Every research project begins with a question. As its nature will influence all subsequent steps, including the methodology, the question should be clear and well-defined from the outset. This is therefore a major step in carrying out a research project, which requires expertise and work. It is indeed clinical experience and previous research that lead to a good question. For it to be relevant, it is necessary to master existing literature on the subject, to be open to new ideas, new techniques, new methodologies, imagination and creativity, as well as to pay attention to mentorship and expert advice. This question must meet criteria for feasibility, interest, novelty, ethics, and relevance (the FINER criteria). It should be formulated in a structured way to ensure maximum clarity, for example following the PICOT framework. Therefore, defining the main question of your clinical trial is not just a semantic exercise.

L’analyse de données est une des pierres angulaires de la recherche biomédicale et de la médecine fondée sur les preuves. Les conclusions qu’elle produit et le corpus d’applications sanitaires qui en découlent sont cependant fragilisés par une diversité de pièges statistiques, erreurs communes et mauvaises pratiques méthodologiques tolérées. La persistance de ces écueils dans la littérature altère la nature des interprétations et constitue un frein aux découvertes et consensus scientifiques. Dans le contexte de flux massif et croissant de publications et de résultats non expertisés (prépublications, communications sur les réseaux sociaux), la rigueur méthodologique et une solide formation statistique sont plus que jamais les meilleurs remparts à une crise de reproductibilité et de confiance. Dans cet article, nous nous appuyons sur la littérature méthodologique récente pour passer en revue les principaux écueils méthodologiques, qu’ils soient bien connus comme ceux relatifs à la significativité ou à la multiplicité de comparaison, ou moins familiers comme la dichotomisation, la sélection de variable ou les problèmes d’autocorrélation spatiales et temporelles. Cette démarche s’inscrit dans une longue série de mises au point et rappels initiée depuis plusieurs décennies par la communauté méthodologique pour maintenir un niveau de maîtrise et de critique indispensable à la fiabilité de la recherche biomédicale.

Data analysis is one of the cornerstones of biomedical research and evidence-based medicine. However, the conclusions it produces and the body of health applications derived from it are undermined by a variety of statistical pitfalls, common errors, and tolerated methodological malpractice. The persistence of these pitfalls in the literature alters the nature of interpretations and acts as a brake on scientific discoveries and consensus. In the context of a massive and growing flow of publications and non-expertised results (pre-publications, communications on social networks), methodological rigor and solid statistical training are more than ever the best bulwarks against a crisis of reproducibility and confidence. In this article, we draw on recent methodological literature to review the main methodological pitfalls, be they well-known ones such as those relating to the significance or the multiplicity of comparisons, or less familiar ones such as dichotomisation, variable selection, or problems of spatial and temporal auto-correlation. This approach is part of a long series of refinements and reminders initiated several decades ago by the methodological community to maintain a level of control and criticism that is essential to the reliability of biomedical research.