Enhancing the informed consent process for critical care research: Strategies from a thromboprophylaxis trial
Notice bibliographique
Résumé
BACKGROUND: Critically ill patients lack capacity for decisions about research participation. Consent to enrol these patients in studies is typically obtained from substitute decision-makers. OBJECTIVE: To present strategies that may optimise the process of obtaining informed consent from substitute decision-makers for participation of critically ill patients in trials. We use examples from a randomised trial of heparin thromboprophylaxis in the intensive care unit (PROTECT, clinicaltrials.gov NCT00182143). METHODS: 3764 patients were randomised, with an informed consent rate of 82%; 90% of consents were obtained from substitute decision-makers. North American PROTECT research coordinators attended three meetings to discuss enrolment: (1) Trial start-up (January 2006); (2) Near trial closure (January 2010); and (3) Post-publication (April 2011). Data were derived from slide presentations, field notes from break-out groups and plenary discussions, then analysed inductively. RESULTS: We derived three phases for the informed consent process: (1) Preparation for the Consent Encounter; (2) The Consent Encounter; and (3) Follow-up to the Consent Encounter. Specific strategies emerged for each phase: Phase 1 (four strategies); Phase 2 (six strategies); and Phase 3 (three strategies). CONCLUSION: We identified 13 strategies that may improve the process of obtaining informed consent from substitute decision-makers and be generalisable to other settings and studies.
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 | 0,732 | 0,713 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,014 | 0,027 |
| Communication savante | 0,023 | 0,028 |
| Science ouverte | 0,007 | 0,028 |
| Intégrité de la recherche | 0,017 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».