Notice bibliographique
Résumé
With the gap between the number of transplantable organs and the number of people needing transplants widening, many have argued for moving from an opt-in to an opt-out system of deceased organ donation. In the first system, individuals must register their willingness to become donors after they die. In the second system, it is assumed that individuals wish to become donors unless they have registered an objection to donation. Opting out has also been described as presumed consent. Spain has had the most successful presumed consent policy, resulting in a substantial increase in the donation rate.1 Despite support for an opt-out system from the British Medical Association and other groups since 1999, the report of a task force delivered in November 2008 recommended that the current opt-in system in the UK be retained.2 The USA has also retained an opt-in system.3 Two prominent American bioethicists, Tom Beauchamp and James Childress, claim that an opt-out policy “would not likely be adopted in the United States, and if it were adopted, it probably would not increase the number of organs for transplantation because so many citizens would opt out.”4 Offering financial incentives such as paying funeral expenses for a deceased donor’s family is one way of increasing the number of organs. A regulated market in organs is another.5 In the UK at least, there is broader support for presumed consent. Among the alternatives to opting in, this system has the best prospect of eventually being adopted. Presumed consent would not obviate but retain the basic idea of consent, because individuals would still have the right to opt out and choose not to donate.6 One argument for presumed consent is that it would reduce the incidence of free riding. For a free rider, it is not rational …
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 | 0,005 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,003 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».