Attitudes of the General Public Toward Alternative Consent Models
Notice bibliographique
Résumé
OBJECTIVE: To assess the general public's attitudes toward various consent models and data management strategies for critically ill adults eligible to participate in a low-risk randomized trial. METHODS: A self-administered survey was conducted at public locations in Toronto to elucidate the general public's attitudes toward various consent models for participation in a low-risk randomized trial when a substitute decision maker was available, unavailable, or did not exist, as well as to assess attitudes toward strategies for data management in patients enrolled under a substitute decision maker's consent who later decline further participation. RESULTS: We surveyed 221 citizens. Most respondents (64%-74%) wanted to be considered for participation. When a substitute decision maker was available, similar proportions of respondents were comfortable with the substitute decision maker providing consent, deferred consent, and their substitute decision maker being asked if the respondent would "object to participating." If a substitute existed but was unavailable, most participants were comfortable with waived consent. If a substitute did not exist, respondents expressed comfort with 4 consent models: an attending physician model, a 2-physician model (1 involved in care), deferred consent, and waived consent. Compared with any physician, respondents preferred their attending physician to be involved in decisions about their research participation, especially in the absence of a substitute decision maker. Nearly three-fourths of respondents supported data management strategies that enabled use of their primary outcome; moreover, 58% believed that data collected before their decision to decline further participation should be included. CONCLUSIONS: Most respondents were interested in participating in a low-risk trial. Respondents endorsed a variety of approaches to obtaining consent in the presence or absence of substitute decision makers and many would be comfortable if their data were used despite a decision to decline further participation.
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 | 0,029 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».