Trust, trustworthiness and sharing patient data for research
Notice bibliographique
Résumé
When it comes to using patient data from the National Health Service (NHS) for research, we are often told that it is a matter of trust: we need to trust, we need to build trust, we need to restore trust. Various policy papers and reports articulate and develop these ideas and make very important contributions to public dialogue on the trustworthiness of our research institutions. But these documents and policies are apparently constructed with little sustained reflection on the nature of trust and trustworthiness, and therefore are missing important features that matter for how we manage concerns related to trust. We suggest that what we mean by 'trust' and 'trustworthiness' matters and should affect the policies and guidance that govern data sharing in the NHS. We offer a number of initial, general reflections on the way in which some of these features might affect our approach to principles, policies and strategies that are related to sharing patient data for research. This paper is the outcome of a 'public ethics' coproduction activity which involved members of the public and two academic ethicists. Our task was to consider collectively the accounts of trust developed by philosophers as they applied in the context of the NHS and to coproduce an argumentative position relevant to this context.
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 | 0,388 | 0,427 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,016 | 0,159 |
| Communication savante | 0,030 | 0,045 |
| Science ouverte | 0,005 | 0,024 |
| Intégrité de la recherche | 0,022 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».