Ethical, Legal, and Social Issues (ELSI) of Responsible Data Sharing Involving Children in Genomics: A Systematic Literature Review of Reasons
Notice bibliographique
Résumé
Background Progress in precision medicine relies on the access to, use of, and exchange of genomic and associated clinical data, including from children. The ethical, legal, and social issues (ELSI) of such data access, use, and exchange may be accentuated in the pediatric context due in part to the highly sensitive nature of genomic data, children’s consent-related vulnerabilities, and uncertain risks of reidentification. Systematic analyses of the ELSI and scientific reasons for why and how genomic data may be shared responsibly are, however, limited. Methods: We conducted a modified systematic review of reasons according to Sofaer and Strech to examine the ELSI and scientific reasons for “responsible” sharing of children’s genomic and associated clinical data. Empirical articles, commentaries, and data-sharing policies indexed in Medline, Scopus, Web of Science, and BIOSIS were included in the analysis if they discussed ELSI and were published between 2003 and 2017 in English. Results: One hundred and fifty-one records met our inclusion criteria. We identified 11 unique reasons and 8 subreasons for why children’s genomic data should or should not be shared. Enhancing the prospect of direct and indirect benefits and maximizing the utility of children’s data were top reasons why data should be shared. Inadequate data privacy protection was the leading reason why it should not. We furthermore identified 8 reasons and 30 subreasons that support conditional data sharing, in which recontact for the continued use of children’s data once they reach the age of majority was the most frequently endorsed condition. Conclusions: The complete list of ELSI reasons and responsible conditions provides an evidentiary basis upon which institutions can develop data-sharing policies. Institutions should encourage the sharing of children’s data to advance genomic research, while heeding special reconsent and data protection mechanisms that may help mitigate uncertain longitudinal risks for children and families.
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 | 0,088 | 0,312 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,007 |
| Bibliométrie | 0,017 | 0,016 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».