Evaluation of donor informed consents and associated <scp>predonation</scp> educational materials in the <scp>United States</scp> and Canada: variability in elements of consent and measures of readability and reading burden
Notice bibliographique
Résumé
BACKGROUND: Every day, approximately 30,000 donors present to blood collection establishments in the United States or Canada, where they are provided information about donation and asked to sign a consent before donating. We evaluated elements of informational and consent documents and measures of readability that may influence their comprehension. MATERIALS AND METHODS: Consents for whole blood (WB) and automated collections and predonation reading materials (PRMs) representing over 93% of WB collections in the United States and Canada were evaluated. Elements, including risks of donation, were cataloged. Word count, Flesch-Kinkaid (F-K) reading ease/grade level scores, Simple Measure of Gobbledygook grade, and percentage of complex words were measured. RESULTS: F-K grade levels ranged from 9.2 to 16.9 for WB consents, 7.8 to 16.0 for apheresis consents, and 6.7 to 10.9 for PRMs, above the recommended level of eighth grade or lower for general audiences. F-K reading ease scores were below the cutoff of 60 for readability. Reading burden was substantial, with word count ranging from 131 to 885, 131 to 996, and 649 to 2743 for WB and apheresis consents and PRMs, respectively. Use of jargon and the absence of consent elements such as confidentiality, voluntariness, ability to withdraw consent, and risks of deferral were common. CONCLUSIONS: Donor consent documents and associated materials vary widely, are written at challenging grade levels, present considerable reading burden, contain substantial jargon, and are missing key elements of consent. The authors recommend an organized effort, including blood donors, legal experts, and blood collection experts, to reach consensus on the minimal requirements for standardized clear and concise consent documents in an optimized format.
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 | 0,013 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».