Considering consent: a structural equation modelling analysis of factors influencing decisional quality when accepting newborn screening
Notice bibliographique
Résumé
INTRODUCTION: Newborn bloodspot screening (NBS) programs generate an ethical tension between promoting the uptake of effective public health measures and facilitating informed consent from individuals. AIM: To explore the factors that affect parental perceptions of decision quality when accepting NBS METHODS: Survey of parents with children screened in 2008 (n = 154, 32% response rate). Questions were based on previous research and existing measures. The primary outcome was decision quality. Predictors were latent constructs of Attitudes to medicine, Perceived knowledge, Attitudes to screening, and Perceived choice. Responses were analysed using structural equation modelling. RESULTS: Increases in perceived choice and positive attitudes towards screening improved decision quality. Perceived knowledge had a significant and positive relationship with attitudes to screening (0.375, p < 0.01) as did perceived choice on perceived knowledge (0.806, p < 0.01). Attitudes to screening were also significantly influenced by attitudes to medicine, although less so than the effect of perceived knowledge. The model had good fit on all indices (χ(2) = 61.396, df = 48, p = 0.093; CFI = 0.979; RMSEA = 0.043). CONCLUSIONS: Our results implicate the presentation of screening as a key determinant of decision quality both in terms of the immediate information regarding the potential benefits and risks, but also the way in which consent processes are managed. If we want to better understand parent decision-making we need to go beyond analyses of information content, or parental recall of this, but consider the context in which screening is provided.
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 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 | 0,004 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».