MétaCan
Menu
Retour à la cohorte
Enregistrement W2965288564 · doi:10.1177/1740774519862783

Regulating impact on bystanders in clinical trials: An unsettled frontier

2019· review· en· W2965288564 sur OpenAlexaff
Nir Eyal, Jonathan Kimmelman, Lisa Holtzman, Marc Lipsitch

Notice bibliographique

RevueClinical Trials · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueEthics in Clinical Research
Établissements canadiensMcGill University
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesWellcome Trust
Mots-clésFrontierResearch ethicsScholarshipInformed consentVariety (cybernetics)Clinical trialMedicineKey (lock)Medical researchEngineering ethicsAlternative medicinePsychologyPublic relationsPolitical scienceLawComputer securityPathologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

This article informally reviews key research ethics guidelines and regulations, academic scholarship, and research studies and finds wide variety in how they consider risk to bystanders in medical research (namely, non-participants whom studies nevertheless place at risk). Some of these key sources give no or very little consideration to bystanders, while others offer them the utmost protection (greater than they offer study participants). This unsettled frontier would benefit from a deeper investigation of the ethics of protecting research bystanders.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,738
score de la tête « metaresearch » (Gemma)0,924
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Méta-épidémiologie (sens large), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche, Méta-épidémiologie (sens strict), Méta-épidémiologie (sens large), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,970
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,7380,924
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0420,019
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0120,024
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,975
Tête enseignante GPT0,826
Écart entre enseignants0,150 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
DomaineMéthodes
GenreSynthèse

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

En bref

Citations9
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical TrialsMême sujetEthics in Clinical ResearchTravaux en français237 207