COVID-19 and consent for research: Navigating during a global pandemic
Notice bibliographique
Résumé
The modern ethical framework demands informed consent for research participation that includes disclosure of material information, as well as alternatives. The severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) pandemic (COVID-19) results in illness that often involves rapid deterioration. Despite the urgent need to find therapy, obtaining informed consent for COVID-19 research is needed. The current pandemic presents three types of challenges for investigators faced with obtaining informed consent for research participation: (1) uncertainty over key information to informed consent, (2) time and pressure constraints, and (3) obligations regarding disclosure of new alternative therapies and re-consent. To mitigate consenting challenges, primary investigators need to work together to jointly promote urgent care and research into COVID-19. Actions they can take include (1) prior plan addressing ways to incorporate clinical research into clinical practice in emergency, (2) consider patients vulnerable with early deliberation on the consent process, (3) seek Legally Authorized Representatives (LARs), (4) create a collaborative research teams, (5) aim to consent once, despite evolving information during the pandemic, and (6) aim to match patients to a trial that will most benefit them. The COVID-19 pandemic both exacerbates existing challenges and raises unique obstacles for consent that require forethought and mindfulness to overcome. While research teams and clinician-investigators will need to be sensitive to their own contexts and adapt solutions accordingly, they can meet the challenge of obtaining genuinely informed consent during the current pandemic.
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 | 0,079 | 0,871 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,038 |
| 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 ».