Bridging consent: from toll bridges to lift bridges?
Notice bibliographique
Résumé
BACKGROUND: The ability to share human biological samples, associated data and results across disease-specific and population-based human research biobanks is becoming increasingly important for research into disease development and translation. Although informed consent often does not anticipate such cross-domain sharing, it is important to examine its plausibility. The purpose of this study was to explore the feasibility of bridging consent between disease-specific and population-based research. Comparative analyses of 1) current ethical and legal frameworks governing consent and 2) informed consent models found in disease-specific and population-based research were conducted. DISCUSSION: Ethical and legal frameworks governing consent dissuade cross-domain data sharing. Paradoxically, analysis of consent models for disease-specific and population-based research reveals such a high degree of similarity that bridging consent could be possible if additional information regarding bridging was incorporated into consent forms. We submit that bridging of consent could be supported if current trends endorsing a new interpretation of consent are adopted. To illustrate this we sketch potential bridging consent scenarios. SUMMARY: A bridging consent, respectful of the spirit of initial consent, is feasible and would require only small changes to the content of consents currently being used. Under a bridging consent approach, the initial data and samples collection can serve an identified research project as well as contribute to the creation of a resource for a range of other projects.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,222 | 0,299 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,052 |
| Communication savante | 0,011 | 0,031 |
| Science ouverte | 0,005 | 0,018 |
| Intégrité de la recherche | 0,012 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».