Focus Group Study of Public Opinion About Paying Living Kidney Donors in Australia
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: The unmet demand for kidney transplantation has generated intense controversy about introducing incentives for living kidney donors to increase donation rates. Such debates may affect public perception and acceptance of living kidney donation. This study aims to describe the range and depth of public opinion on financial reimbursement, compensation, and incentives for living kidney donors. DESIGN, SETTING, PARTICIPANTS, & MEASUREMENTS: Twelve focus groups were conducted with 113 participants recruited from the general public in three Australian states in February 2013. Thematic analysis was used to analyze the transcripts. RESULTS: Five themes were identified: creating ethical impasses (commodification of the body, quandary of kidney valuation, pushing moral boundaries), corrupting motivations (exposing the vulnerable, inevitable abuse, supplanting altruism), determining justifiable risk (compromising kidney quality, undue harm, accepting a confined risk, trusting protective mechanisms, right to autonomy), driving access (urgency of organ shortage, minimizing disadvantage, guaranteeing cost-efficiency, providing impetus, counteracting black markets), and honoring donor deservingness (fairness and reason, reassurance and rewards, merited recompense). Reimbursement and justifiable recompense are considered by the Australian public as a legitimate way of supporting donors and reducing disadvantage. Financial payment beyond reimbursement is regarded as morally reprehensible, with the potential for exploitative commercialism. Some contend that regulated compensation could be a defensible strategy to increased donation rates provided that mechanisms are in place to protect donors. CONCLUSIONS: The perceived threat to community values of human dignity, goodwill, and fairness suggests that there could be strong public resistance to any form of financial inducements for living kidney donors. Policy priorities addressing the removal of disincentives may be more acceptable to the public.
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 | 0,016 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».