Enhancing the informed consent process for critical care research: Strategies from a thromboprophylaxis trial
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,255 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle