MétaCan
Menu
Retour à la cohorte
Enregistrement W2898159239 · doi:10.1080/10508422.2018.1526087

How Can Ethics Support Innovative Health Care for an Aging Population?

2018· article· en· W2898159239 sur OpenAlexafffund
Katherine Wayne

Notice bibliographique

RevueEthics & Behavior · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueEducation, Healthcare and Sociology Research
Établissements canadiensCarleton University
Organismes subventionnairesAGE-WELLUniversity of Ottawa
Mots-clésAutonomyPopulation ageingBioethicsDementiaHealth careAgency (philosophy)PopulationFace (sociological concept)Engineering ethicsPublic relationsPsychologySociologyPolitical scienceMedicineLawSocial scienceEngineering

Résumé

récupéré en direct d'OpenAlex

The rapidly expanding aging population presents an urgent global challenge cutting through just about every dimension of worldly life, including the social, political, cultural, and economic. Developing innovations in health and assistive technology (AT) are poised to support effective and sustainable health care in the face of this challenge, yet there is scant (but growing) discussion of the ethical issues surrounding AT for older persons with dementia. Demands for ethical frameworks that can respond to frontline dilemmas regarding AT development and provision, and how the needs of aging persons themselves are defined throughout this development process, are increasing. This article suggests that fulfilling the promises of AT to provide effective and ethically informed solutions may demand shifting away from standard bioethical analyses that centralize the principle of respect for autonomy. An autonomy-centric paradigm is dubiously equipped to theorize the foundational ethical issues in dementia care and to effectively guide AT development and implementation. An agency-centered approach to dementia care, which could engage more adaptively with the perspectives and choices of older persons themselves while offering strong support to AT research and stakeholders, may offer an attractive alternative.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,067
score de la tête « metaresearch » (Gemma)0,099
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,067
Score d'incertitude au seuil0,353

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0670,099
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0110,087
Communication savante0,0160,019
Science ouverte0,0030,012
Intégrité de la recherche0,0140,014
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,363
Tête enseignante GPT0,607
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEthics & BehaviorMême sujetEducation, Healthcare and Sociology ResearchTravaux en français237 207