MétaCan
Menu
Retour à la cohorte
Enregistrement W3025255710 · doi:10.1177/1757975920913547

Developing the culture of ethics in population health intervention research in Canada

2020· article· en· W3025255710 sur OpenAlexaffabout
Anne-Marie Hamelin, Chantal Caux, Michel Désy, Anne Guichard, Samiratou Ouédraogo, Marie‐Claude Tremblay, Bilkis Vissandjée, Béatrice Godard

Notice bibliographique

RevueGlobal Health Promotion · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensUniversité LavalInstitut National de Santé Publique du QuébecUniversité de MontréalMcGill University
Organismes subventionnairesnon disponible
Mots-clésEngineering ethicsResearch ethicsHealth equityEquity (law)SociologyPopulationPublic relationsEnvironmental ethicsPolitical scienceHealth careLawEngineering

Résumé

récupéré en direct d'OpenAlex

Population health intervention research (PHIR) is a particular field of health research that aims to generate knowledge that contributes to the sustainable improvement of population health by enabling the implementation of cross-sectoral solutions adapted to social realities. Despite the ethical issues that necessarily raise its social agenda, the ethics of PHIR is still not very formalized. Unresolved ethical challenges may limit its focus on health equity. This contribution aims to highlight some of these issues and calls on researchers to develop a culture of ethics in PHIR. Three complementary ways are proposed: to build an ethical concept specific to this field, to promote a shared space for critical reflection on PHIR ethics, and to develop the ethical competence in PHIR for which a preliminary framework is proposed.

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)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,483
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,590
Tête enseignante GPT0,614
Écart entre enseignants0,025 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations4
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal Health PromotionMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207