Community needs for FAIR pathogen data

Este estudo da Rede de Dados de Patógenos (PDN) identifica que as principais barreiras para a adoção de dados FAIR em doenças infecciosas são sistêmicas, como financiamento limitado e escassez de pessoal qualificado, e destaca a necessidade urgente de capacitação em bioinformática e o uso do Portal de Patógenos para impulsionar a interoperabilidade e o compartilhamento de dados.

O essencial

Imagine que o mundo da ciência de doenças infecciosas é como uma gigantesca biblioteca de receitas médicas. Cada cientista, médico ou pesquisador tem um pedaço dessa receita: alguns têm a lista de ingredientes (os dados genéticos do vírus), outros têm o modo de preparo (como o vírus se espalha) e outros têm as fotos do prato pronto (os resultados dos testes).

O problema é que, até agora, cada um guardava sua receita no seu próprio cofre, em idiomas diferentes, e sem etiquetas claras. Isso torna muito difícil para alguém tentar cozinhar um "prato" novo e salvar vidas quando uma nova doença aparece.

Este artigo é como um relatório de uma grande reunião de vizinhos organizada pelo "Pathogen Data Network" (PDN), um grupo internacional que quer consertar essa biblioteca. Eles fizeram uma pesquisa com 136 pessoas (pesquisadores, professores, médicos e especialistas em dados) para perguntar: "O que está impedindo vocês de usar essas receitas?" e "O que vocês precisam para cozinhar melhor?".

Aqui está o que eles descobriram, explicado de forma simples:

1. O Grande Obstáculo: Não é a Tecnologia, é o Dinheiro e a Organização

Muitas pessoas acham que o problema é que os computadores são lentos ou que os softwares são ruins. Mas a pesquisa mostrou que não é isso.

• A Analogia: Imagine que você tem uma Ferrari (os dados e a tecnologia), mas você não tem gasolina (dinheiro) e não sabe qual estrada pegar (falta de pessoal treinado).
• O que a pesquisa disse:
  • 74% disseram que a falta de dinheiro é o maior problema. Sem verba, não há como comprar ferramentas ou contratar gente.
  • 68% disseram que é difícil juntar as peças do quebra-cabeça (os dados estão espalhados em lugares diferentes e não conversam entre si).
  • 52% sentem falta de pessoas com as habilidades certas para fazer o trabalho.

2. O Que as Pessoas Querem Aprender (O "Curso de Culinária")

As pessoas não querem apenas ler manuais chatos. Elas querem aprender a usar as ferramentas na prática.

• O Pedido de Ouro: A coisa mais pedida foi um curso sobre Bioinformática para doenças (como usar computadores para analisar vírus). Quase 70% das pessoas queriam isso.
• A Ferramenta Favorita: O grupo criou um "Portal de Patógenos" (um site central que reúne todas as receitas e ferramentas). 72% das pessoas disseram que esse site é a coisa mais importante que eles têm. É como ter um "Google" especializado só para doenças.
• Diferença de Gosto:
  • Os Pesquisadores (os chefs que cozinham) queriam aprender técnicas avançadas, como usar Inteligência Artificial para prever surtos.
  • Os Professores (os que ensinam os alunos) queriam histórias reais e casos práticos para explicar aos estudantes.

3. Como Eles Preferem Aprender

Ninguém quer ficar preso em uma sala de aula por dias inteiros.

• O Formato Vencedor: A maioria prefere cursos online curtos e webinars (palestras pela internet). É como assistir a um vídeo no YouTube ou fazer um curso rápido no celular, no seu próprio tempo, em vez de viajar para um congresso caro.

4. A Conclusão: O Que Precisamos Fazer?

O estudo conclui que o problema não é que a tecnologia seja impossível de usar. O problema é sistêmico.

• A Metáfora Final: Imagine que queremos construir uma ponte para salvar pessoas de uma enchente (uma nova pandemia). Temos os planos (os dados) e os engenheiros (os cientistas). Mas, para construir a ponte, precisamos de:
  1. Mais verba para comprar cimento e aço.
  2. Mais engenheiros treinados para não errar os cálculos.
  3. Um plano unificado para que todos construam do mesmo jeito, para que a ponte não desabe.

Resumo para levar para casa:
A ciência de doenças precisa parar de guardar segredos e começar a compartilhar melhor. Mas para isso funcionar, não basta criar mais sites ou softwares. É preciso investir dinheiro, treinar mais pessoas e organizar melhor os dados para que, quando a próxima crise chegar, a comunidade científica possa reagir rápido, como um time de futebol bem treinado e com o orçamento certo, em vez de um time desorganizado tentando jogar com chuteiras de madeira.

Resumo técnico

Título: Necessidades da Comunidade para Dados de Patógenos FAIR

1. O Problema

Os conjuntos de dados relacionados a doenças infecciosas são fundamentais para a tomada de decisões em saúde pública, especialmente na era da medicina genômica. No entanto, seu potencial permanece subutilizado devido a barreiras persistentes de compartilhamento e integração. Embora a adoção dos princípios FAIR (Findable, Accessible, Interoperable, Reusable – Encontráveis, Acessíveis, Interoperáveis e Reutilizáveis) seja amplamente reconhecida como essencial para acelerar descobertas científicas e respostas coordenadas a ameaças emergentes, as necessidades específicas da comunidade global de dados de patógenos não foram sistematicamente caracterizadas. As barreiras existentes vão além das limitações técnicas, incluindo suporte institucional insuficiente, falta de expertise para processos de submissão, questões éticas e escassez de pessoal qualificado.

2. Metodologia

O estudo foi conduzido pela Rede de Dados de Patógenos (PDN) através de uma pesquisa transversal de partes interessadas (stakeholders).

• Desenho do Estudo: Um questionário online de 10 itens (múltipla escolha, escala Likert e perguntas abertas) foi desenvolvido para avaliar barreiras percebidas, prioridades de recursos e necessidades de treinamento.
• Participantes: A pesquisa foi disseminada entre uma população de especialistas bem definida, incluindo pesquisadores, profissionais de saúde, bioinformáticos e educadores.
• Recrutamento: O questionário foi enviado via e-mail e redes sociais para aproximadamente 10.000 destinatários, incluindo 7.000 docentes universitários e 4.000 bolsistas do NIAID (EUA), além de organizações internacionais (OMS, CDC, ECDC, etc.).
• Coleta e Análise: A pesquisa ocorreu entre fevereiro e abril de 2025. Das 198 iniciações, 136 respostas completas foram consideradas válidas para análise. Os dados quantitativos foram analisados descritivamente (frequências e proporções) usando R, enquanto as respostas abertas foram revisadas qualitativamente para identificar temas recorrentes.

3. Principais Contribuições

• Diagnóstico Baseado em Evidências: Fornece a primeira caracterização sistemática das prioridades de infraestrutura e educação da comunidade global de dados de patógenos.
• Validação de Recursos da PDN: Identifica quais ferramentas e serviços da Rede de Dados de Patógenos são considerados mais essenciais pela comunidade.
• Modelo Reprodutível: O quadro de pesquisa e o conjunto de dados aberto servem como um modelo reutilizável para avaliar necessidades em outras comunidades e regiões.
• Distinção de Papéis: Revela diferenças críticas nas necessidades de treinamento entre pesquisadores (foco técnico) e educadores (foco em estudos de caso fundamentais).

4. Resultados Chave

A análise de 136 respondentes (majoritariamente pesquisadores/analistas de saúde e educadores, concentrados nos EUA e em instituições de ensino superior) revelou os seguintes pontos:

• Barreiras Estruturais: As principais impedimentos não são tecnológicos, mas sistêmicos:

  • Financiamento Limitado: 74% dos respondentes citaram como barreira significativa.
  • Desafios de Agregação de Dados: 68% relataram dificuldades em combinar e compartilhar dados entre sistemas e organizações isoladas (silos).
  • Escassez de Pessoal Qualificado: 52% apontaram falta de profissionais com as competências necessárias.
  • Nota: Barreiras como recursos técnicos inadequados ou preocupações com mau uso de dados foram consideradas menos significativas.

• Necessidades de Treinamento:

  • Tópico Prioritário: Bioinformática para pesquisa de doenças infecciosas (68%).
  • Segunda Prioridade: Orientação sobre o uso do Portal de Patógenos (ferramenta integrada da PDN) e visualização de dados (51% e 50%, respectivamente).
  • Diferenças por Perfil:
    • Pesquisadores: Priorizaram tópicos técnicos como aplicações de Machine Learning (47%) e planejamento de gestão de dados.
    • Educadores: Priorizaram estudos de caso do mundo real (71%) e conhecimento conceitual de domínio.

• Formatos Preferidos:

  • Cursos virtuais curtos (68%) e webinars (66%) foram os formatos mais desejados, superando cursos presenciais (53%).

• Recursos Essenciais:

  • O Portal de Patógenos foi classificado como o recurso mais essencial da PDN por 72% dos participantes.
  • Padrões de metadados e fluxos de trabalho validados também foram valorizados, mas em menor grau.

5. Significância e Conclusão

Os resultados indicam que as barreiras para a implementação efetiva de dados FAIR de patógenos são predominantemente sistêmicas e organizacionais (financiamento, coordenação e força de trabalho), e não puramente tecnológicas.

• Implicações para Políticas: Organizações de apoio à pesquisa devem alinhar o desenvolvimento de infraestrutura, treinamento e divulgação com essas prioridades empíricas. O foco deve ser o investimento sustentado na capacitação de pessoal e na coordenação entre instituições.
• Impacto Futuro: Ajustar a oferta de treinamento (ex: cursos virtuais curtos sobre bioinformática e uso do Portal) e fortalecer a infraestrutura de agregação de dados são passos cruciais para melhorar a interoperabilidade e reutilização de dados.
• Conclusão Final: A pesquisa estabelece uma linha de base empírica para que a PDN e outras organizações fortaleçam a gestão e reutilização de dados, essencial não apenas para responder a surtos atuais e futuros, mas também para avançar questões fundamentais na pesquisa de patógenos.