According to the FAIR principles, data produced by scientific research should be findable, accessible, interoperable, and reusable—for instance, to be used in machine learning algorithms. However, to date, there is no estimate of the quantity or quality of dental research data evaluated via the FAIR principles. We aimed to determine the availability of open data in dental research and to assess compliance with the FAIR principles (or FAIRness) of shared dental research data. We downloaded all available articles published in PubMed-indexed dental journals from 2016 to 2021 as open access from Europe PubMed Central. In addition, we took a random sample of 500 dental articles that were not open access through Europe PubMed Central. We assessed data sharing in the articles and compliance of shared data to the FAIR principles programmatically. Results showed that of 7,509 investigated articles, 112 (1.5%) shared data. The average (SD) level of compliance with the FAIR metrics was 32.6% (31.9%). The average for each metric was as follows: findability, 3.4 (2.7) of 7; accessibility, 1.0 (1.0) of 3; interoperability, 1.1 (1.2) of 4; and reusability, 2.4 (2.6) of 10. No considerable changes in data sharing or quality of shared data occurred over the years. Our findings indicated that dental researchers rarely shared data, and when they did share, the FAIR quality was suboptimal. Machine learning algorithms could understand 1% of available dental research data. These undermine the reproducibility of dental research and hinder gaining the knowledge that can be gleaned from machine learning algorithms and applications.

根据 FAIR 原则，科学研究产生的数据应该是可查找的、可访问的、可互操作的和可重复使用的——例如，用于机器学习算法。然而，迄今为止，还没有通过 FAIR 原则评估的牙科研究数据的数量或质量的估计值。我们旨在确定牙科研究中开放数据的可用性，并评估共享牙科研究数据是否符合公平原则（或公平性）。我们从欧洲 PubMed Central 下载了 2016 年至 2021 年发表在 PubMed 索引牙科期刊上的所有可用文章，作为开放访问。此外，我们随机抽取了 500 篇未通过欧洲 PubMed Central 开放获取的牙科文章。我们以编程方式评估了文章中的数据共享以及共享数据是否符合 FAIR 原则。结果显示，在 7,509 篇调查文章中，112 篇（1.5%）共享数据。遵守 FAIR 指标的平均 (SD) 水平为 32.6% (31.9%)。每个指标的平均值如下：可查找性，3.4 (2.7) of 7；可访问性，1.0 (1.0) of 3；互操作性，1.1 (1.2) of 4；和可重用性，2.4 (2.6) of 10。多年来，数据共享或共享数据的质量没有发生显着变化。我们的研究结果表明，牙科研究人员很少分享数据，当他们分享时，FAIR 的质量并不理想。机器学习算法可以理解 1% 的可用牙科研究数据。这些破坏了牙科研究的可重复性，并阻碍了从机器学习算法和应用中获得的知识。遵守 FAIR 指标的平均 (SD) 水平为 32.6% (31.9%)。每个指标的平均值如下：可查找性，3.4 (2.7) of 7；可访问性，1.0 (1.0) of 3；互操作性，1.1 (1.2) of 4；和可重用性，2.4 (2.6) of 10。多年来，数据共享或共享数据的质量没有发生显着变化。我们的研究结果表明，牙科研究人员很少分享数据，当他们分享时，FAIR 的质量并不理想。机器学习算法可以理解 1% 的可用牙科研究数据。这些破坏了牙科研究的可重复性，并阻碍了从机器学习算法和应用中获得的知识。遵守 FAIR 指标的平均 (SD) 水平为 32.6% (31.9%)。每个指标的平均值如下：可查找性，3.4 (2.7) of 7；可访问性，1.0 (1.0) of 3；互操作性，1.1 (1.2) of 4；和可重用性，2.4 (2.6) of 10。多年来，数据共享或共享数据的质量没有发生显着变化。我们的研究结果表明，牙科研究人员很少分享数据，当他们分享时，FAIR 的质量并不理想。机器学习算法可以理解 1% 的可用牙科研究数据。这些破坏了牙科研究的可重复性，并阻碍了从机器学习算法和应用中获得的知识。可访问性，1.0 (1.0) of 3；互操作性，1.1 (1.2) of 4；和可重用性，2.4 (2.6) of 10。多年来，数据共享或共享数据的质量没有发生显着变化。我们的研究结果表明，牙科研究人员很少分享数据，当他们分享时，FAIR 的质量并不理想。机器学习算法可以理解 1% 的可用牙科研究数据。这些破坏了牙科研究的可重复性，并阻碍了从机器学习算法和应用中获得的知识。可访问性，1.0 (1.0) of 3；互操作性，1.1 (1.2) of 4；和可重用性，2.4 (2.6) of 10。多年来，数据共享或共享数据的质量没有发生显着变化。我们的研究结果表明，牙科研究人员很少分享数据，当他们分享时，FAIR 的质量并不理想。机器学习算法可以理解 1% 的可用牙科研究数据。这些破坏了牙科研究的可重复性，并阻碍了从机器学习算法和应用中获得的知识。FAIR 质量欠佳。机器学习算法可以理解 1% 的可用牙科研究数据。这些破坏了牙科研究的可重复性，并阻碍了从机器学习算法和应用中获得的知识。FAIR 质量欠佳。机器学习算法可以理解 1% 的可用牙科研究数据。这些破坏了牙科研究的可重复性，并阻碍了从机器学习算法和应用中获得的知识。