Ethics and privacy issues of a practice-based surveillance system: need for a national-level institutional research ethics board and consent standards.
Notice bibliographique
Résumé
OBJECTIVE: To describe the challenges the Canadian Primary Care Sentinel Surveillance Network (CPCSSN) experienced with institutional research ethics boards (IREBs) when seeking approvals across jurisdictions and to provide recommendations for overcoming challenges of ethical review for multisite and multijurisdictional surveillance and research. BACKGROUND: The CPCSSN project collects and validates longitudinal primary care health information (relating to hypertension, diabetes, depression, chronic obstructive lung disease, and osteoarthritis) from electronic medical records across Canada. Privacy and data storage security policies and processes have been developed to protect participants' privacy and confidentiality, and IREB approval is obtained in each participating jurisdiction. Inconsistent interpretation and application of privacy and ethical issues by IREBs delays and impedes research programs that could better inform us about chronic disease. RESULTS: The CPCSSN project's experience with gaining approval from IREBs highlights the difficulty of conducting pan-Canadian health surveillance and multicentre research. Inconsistent IREB approvals to waive explicit individual informed consent produced particular challenges for researchers. CONCLUSION: The CPCSSN experience highlights the need to develop a better process for researchers to obtain timely and consistent IREB approvals for multicentre surveillance and research. We suggest developing a specialized, national, centralized IREB responsible for approving multisite studies related to population health research.
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 | 0,766 | 0,719 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,017 | 0,031 |
| Communication savante | 0,023 | 0,014 |
| Science ouverte | 0,011 | 0,014 |
| Intégrité de la recherche | 0,015 | 0,024 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».