Ethics of health research with prisoners in Canada
Notice bibliographique
Résumé
BACKGROUND: Despite the growing recognition for the need to improve the health of prisoners in Canada and the need for health research, there has been little discussion of the ethical issues with regards to health research with prisoners in Canada. The purpose of this paper is to encourage a national conversation about what it means to conduct ethically sound health research with prisoners given the current realities of the Canadian system. Lessons from the Canadian system could presumably apply in other jurisdictions. MAIN TEXT: Any discussion regarding research ethics with Canadian prisoners must begin by first taking into account the disproportionate number of Indigenous prisoners (e.g., 22-25% of prisoners are Indigenous, while representing approximately 3% of the general Canadian population) and the high proportion of prisoners suffering from mental illnesses (e.g., 45% of males and 69% of female inmates required mental health interventions while in custody). The main ethical challenges that researchers must navigate are (a) the power imbalances between them, the correctional services staff, and the prisoners, and the effects this has on obtaining voluntary consent to research; and (b), the various challenges associated to protecting the privacy and confidentiality of study participants who are prisoners. In order to solve these challenges, a first step would be to develop clear and transparent processes for ethical health research, which ought to be informed by multiple stakeholders, including prisoners, the correctional services staff, and researchers themselves. CONCLUSION: Stakeholder and community engagement ought to occur in Canada with regards to ethical health research with prisoners that should also include consultation with various parties, including prisoners, correctional services staff, and researchers. It is important that national and provincial research ethics organizations examine the sufficiency of existing research ethics guidance and, where there are gaps, to develop guidelines and help craft policy.
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 | 0,066 | 0,090 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,031 | 0,025 |
| Communication savante | 0,012 | 0,002 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».