Consent recommendations for research and international data sharing involving persons with dementia
Notice bibliographique
Résumé
Consent is generally required for research and sharing rich individual-level data but presents additional ethical and legal challenges where participants have diminished decision-making capacity. We formed a multi-disciplinary team to develop best practices for consent in data-intensive dementia research. We recommend that consent processes for research and data sharing support decision-making by persons with dementia, protect them from exploitation, and promote the common good. Broad consent designed to endure beyond a loss of capacity and combined with ongoing oversight can best achieve these goals. Persons with dementia should be supported to make decisions and enabled to express their will and preferences about participation in advance of a loss of capacity. Regulatory frameworks should clarify who can act as a representative for research decisions. By promoting harmonization of consent practices across institutions, sectors, and countries, we hope to facilitate data sharing to accelerate progress in dementia research, care, and prevention.
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 | 0,277 | 0,457 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,007 | 0,010 |
| Communication savante | 0,008 | 0,018 |
| Science ouverte | 0,007 | 0,009 |
| Intégrité de la recherche | 0,034 | 0,029 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,047 | 0,026 |
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 ».