Researchers’ perceptions of ethical challenges in cluster randomized trials: a qualitative analysis
Notice bibliographique
Résumé
BACKGROUND: Cluster randomized trials (CRTs) pose ethical challenges for investigators and ethics committees. This study describes the views and experiences of CRT researchers with respect to: (1) ethical challenges in CRTs; (2) the ethics review process for CRTs; and (3) the need for comprehensive ethics guidelines for CRTs. METHODS: Descriptive qualitative analysis of interviews conducted with a purposive sample of 20 experienced CRT researchers. RESULTS: Informants expressed concern over the potential for bias that may result from requirements to obtain informed consent from research participants in CRTs. Informants suggested that the need for informed consent ought to be related to the type of intervention under study in a CRT. Informants rarely expressed concern regarding risks to research participants in CRTs, other than risks to privacy. Important issues identified in the research ethics literature, including fair subject selection and other justice issues, were not mentioned by informants. The ethics review process has had positive and negative impacts on CRT conduct. Informants stated that variability in ethics review between jurisdictions, and increasingly stringent ethics review in recent years, have hampered their ability to conduct CRTs. Many informants said that comprehensive ethics guidelines for CRTs would be helpful to researchers and research ethics committees. CONCLUSIONS: Informants identified key ethical challenges in the conduct of CRTs, specifically relating to identifying subjects, seeking informed consent, and the use of gatekeepers. These data have since been used to identify topics for in-depth ethical analysis and to guide the development of comprehensive ethics guidelines for CRTs.
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 | 0,499 | 0,868 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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; les deux têtes enseignantes 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 ».