Improving ethics analysis in health technology assessment
Notice bibliographique
Résumé
OBJECTIVES: The aim of this study was to critically examine the current guidance for conducting ethics analysis in health technology assessment (HTA) and to offer recommendations for how to improve this practice. METHODS: MEDLINE, Philosopher's Index, and Google Scholar were searched for articles and reports using the keywords "ethics" and "health technology assessment" and related terms. Bibliographies of all relevant articles were also examined for additional references. A philosophical analysis of the existing guidance was conducted. RESULTS: We offer three recommendations for improving ethics analysis in HTA. First, ethical and legal issues must be clearly separated so that all policy-relevant questions that the technology raises can be considered clearly and systematically. Second, analysts must make better use of ethics theory and discuss better how particular theoretical approaches and associated analytic tools are selected to make transparent which alternative approaches were considered and why they were rejected. Third, the necessity for philosophical expertise to adequately conduct ethics analysis needs to be acknowledged. CONCLUSIONS: To act on these recommendations for ethics analysis, we offer these three steps forward: acknowledge and use relevant expertise, further develop models for conducting and reporting ethics analyses, and make use of untapped resources in the literature.
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 | 0,684 | 0,780 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,027 | 0,021 |
| Études des sciences et des technologies | 0,012 | 0,039 |
| Communication savante | 0,038 | 0,054 |
| Science ouverte | 0,007 | 0,020 |
| Intégrité de la recherche | 0,016 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; 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 ».