Benefits and Risks in Secondary Use of Digitized Clinical Data: Views of Community Members Living in a Predominantly Ethnic Minority Urban Neighborhood
Notice bibliographique
Résumé
BACKGROUND: There is potential to increase the speed of scientific discovery and implement personalized health care by using digitized clinical data collected on the patient care experience. The use of these data in research raises concerns about the privacy and confidentiality of personal health information. This study explored community members' views on the secondary use of digitized clinical data to (1) recruit participants for clinical studies; (2) recruit family members of persons with an index condition for primary studies; and (3) conduct studies of information related to stored biospecimens. METHODS: A qualitative descriptive design was used to examine the bioethical issues outlined from the perspective of urban-dwelling community members. Focus groups were used for data collection, and emergent content analysis was employed to organize and interpret the data. RESULTS: Thirty community members attended one of four focus groups ranging in size from 4 to 11 participants. Five critical themes emerged from the focus-group material: (1) perceived motivators for research participation; (2) objective or "real-life" barriers to research participation; (3) a psychological component of uncertainty and mistrust; (4) preferred mechanisms for recruitment and participation; and (5) cultural characteristics that can impact understanding and willingness to engage in research. CONCLUSIONS: The overriding concern of community members regarding research participation and/or secondary clinical and nonclinical use of digitized information was that their involvement would be safe and the outcome would be meaningful to them and to others. According to participants, biospecimens acquired during routine clinical visits or for research are no longer possessions of the participant. Although the loss of privacy was a concern for participants, they preferred that researchers access their personal health information using a digitized clinical file rather than through a paper-based medical record.
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 | 0,009 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,007 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».