Public involvement in the governance of population-level biomedical research: unresolved questions and future directions
Notice bibliographique
Résumé
Population-level biomedical research offers new opportunities to improve population health, but also raises new challenges to traditional systems of research governance and ethical oversight. Partly in response to these challenges, various models of public involvement in research are being introduced. Yet, the ways in which public involvement should meet governance challenges are not well understood. We conducted a qualitative study with 36 experts and stakeholders using the World Café method to identify key governance challenges and explore how public involvement can meet these challenges. This brief report discusses four cross-cutting themes from the study: the need to move beyond individual consent; issues in benefit and data sharing; the challenge of delineating and understanding publics; and the goal of clarifying justifications for public involvement. The report aims to provide a starting point for making sense of the relationship between public involvement and the governance of population-level biomedical research, showing connections, potential solutions and issues arising at their intersection. We suggest that, in population-level biomedical research, there is a pressing need for a shift away from conventional governance frameworks focused on the individual and towards a focus on collectives, as well as to foreground ethical issues around social justice and develop ways to address cultural diversity, value pluralism and competing stakeholder interests. There are many unresolved questions around how this shift could be realised, but these unresolved questions should form the basis for developing justificatory accounts and frameworks for suitable collective models of public involvement in population-level biomedical research governance.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,057 | 0,336 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes 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 ».