MétaCan
Menu
Retour à la cohorte
Enregistrement W3006625751 · doi:10.1177/1556264620904627

Research Consent Models Used in Prospective Studies of Neurologically Deceased Organ Donors: A Systematic Review

2020· review· en· W3006625751 sur OpenAlexaff
Frédérick D’Aragon, Karen E. A. Burns, Amanda Yaworski, Amanda Lucas, Erika Arseneau, Emilie P. Belley‐Côté, Sonny Dhanani, Anne-Julie Frenette, François Lamontagne, François Lauzier, Aemal Akhtar, Simon Oczkowski, Bram Rochwerg, Maureen O. Meade

Notice bibliographique

RevueJournal of Empirical Research on Human Research Ethics · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueOrgan Donation and Transplantation
Établissements canadiensCentre hospitalier universitaire de QuébecUniversity of OttawaHealth Sciences CentreUniversité de SherbrookeMcMaster UniversityUniversity of TorontoUniversité LavalUniversité de MontréalUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésWaiverInformed consentClinical researchStandardizationPsychologyMedicineBiobankFamily medicineStandard of careAlternative medicineLawPolitical scienceSurgeryPathology

Résumé

récupéré en direct d'OpenAlex

Research to inform the care of neurologically deceased organ donors is complicated by a lack of standards for research consent. In this systematic review, we aim to describe current practices of soliciting consent for participation in prospective studies of neurologically deceased donors, including the frequency and justification for these various models of consent. Among the 74 studies included, 14 did not report on any regulatory review, and 13 did not report on the study consent procedures. Of the remaining 47 studies, 24 utilized a waiver of research consent. The most common justification for a waiver of research consent related to the fact that neurologically deceased donors are not considered human subjects. In conclusion, among studies of neurologically deceased donors, research consent models vary and are inconsistently reported. Consensus and standardization in the application of research consent models will help to advance this emerging field of research.

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)0,100
score de la tête « metaresearch » (Gemma)0,140
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,1000,140
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0060,001
Bibliométrie0,0060,008
Études des sciences et des technologies0,0010,003
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0010,032
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,923
Tête enseignante GPT0,730
Écart entre enseignants0,193 · 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'étudeRevue systématique
Domainenon disponible
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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Empirical Research on Human Research EthicsMême sujetOrgan Donation and TransplantationTravaux en français237 207