Targeting ethical considerations tied to image-based mobile health diagnostic support specific to clinicians in low-resource settings: the Brocher proposition
Notice bibliographique
Résumé
Background: mHealth applications assist workflow, help move towards equitable access to care, and facilitate care delivery. They have great potential to impact care in low-resource countries, but have significant ethical concerns pertaining to patient autonomy, safety, and justice.Objective: To achieve consensus among stakeholders on how to address concerns pertaining to autonomy, safety, and justice among mHealth developers and users in low-resource settings, in particular for the application of image-based consultation for diagnostic support.Methods: A consensus approach was taken during a three-day workshop using a purposive sample of global mHealth stakeholders (n = 27) professionally and geographically spread. Throughout a series of introductory talks, group brainstorming, plenary reviews, and synthesis by the moderators, lists of actions were generated that address the concerns engendered by mHealth applications on autonomy, justice and safety, taking into account the development, implementation, and scale-up phases of an mHealth application lifecycle.Results: Several types of actions were recommended; key ones among them included building in risk mitigation measures from the development stage, establishing inclusive consultation processes, using open sources platform whenever possible, training all clinical users, and bearing in mind that the gold standard of care is face-to-face consultation with the patient. Recommendations of patient, community and health system participation and of governance were identified as cutting across the mHealth lifecycle.Conclusion: Priorities agreed-upon at the meeting echo those put forward concerning other domains and locations of application of mHealth. Those more forcefully articulated are the need to adopt and maintain participatory processes as well as promoting self-governance. They are expected to cut across the mHealth lifecycle and are prerequisites to the safeguard of autonomy, safety and justice.
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 | 0,272 | 0,363 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,017 | 0,092 |
| Communication savante | 0,021 | 0,030 |
| Science ouverte | 0,004 | 0,020 |
| Intégrité de la recherche | 0,026 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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.
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 ».