MétaCan
Menu
Retour à la cohorte
Enregistrement W2073976109 · doi:10.3390/ani3030907

Critical Analysis of Assessment Studies of the Animal Ethics Review Process

2013· article· en· W2073976109 sur OpenAlexfundno aff
Orsolya Varga

Notice bibliographique

RevueAnimals · 2013
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal testing and alternatives
Établissements canadiensnon disponible
Organismes subventionnairesFundação para a Ciência e a TecnologiaNatural Sciences and Engineering Research Council of CanadaInternational Foundation for Ethical Research
Mots-clésAnimal ethicsProcess (computing)AuthorizationOutcome (game theory)Quality (philosophy)Computer scienceManagement scienceRisk analysis (engineering)Engineering ethicsMedicinePolitical scienceEngineeringLaw

Résumé

récupéré en direct d'OpenAlex

In many countries the approval of animal research projects depends on the decisions of Animal Ethics Committees (AEC's), which review the projects. An animal ethics review is performed as part of the authorization process and therefore performed routinely, but comprehensive information about how well the review system works is not available. This paper reviews studies that assess the performance of animal ethics committees by using Donabedian's structure-process-outcome model. The paper points out that it is well recognised that AECs differ in structure, in their decision-making methods, in the time they take to review proposals and that they also make inconsistent decisions. On the other hand, we know little about the quality of outcomes, and to what extent decisions have been incorporated into daily scientific activity, and we know almost nothing about how well AECs work from the animal protection point of view. In order to emphasise this viewpoint in the assessment of AECs, the paper provides an example of measures for outcome assessment. The animal suffering is considered as a potential measure for outcome assessment of the ethics review. Although this approach has limitations, outcome assessment would significantly increase our understanding of the performance of AECs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,683
score de la tête « metaresearch » (Gemma)0,855
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,317
Score d'incertitude au seuil0,391

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,6830,855
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0050,004
Bibliométrie0,0260,017
Études des sciences et des technologies0,0040,009
Communication savante0,0110,009
Science ouverte0,0040,006
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,464
Tête enseignante GPT0,587
Écart entre enseignants0,123 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeRevue systématique
DomaineÉvaluation
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnimalsMême sujetAnimal testing and alternativesTravaux en français237 207