Contextual equipoise: a novel concept to inform ethical implications for implementation research using randomised controlled trials in low- and middle-income countries
Notice bibliographique
Résumé
The call for universal health coverage requires the urgent implementation and scale-up of interventions that are known to be effective, in resource-poor settings. Achieving this objective requires high-quality implementation research (IR) that evaluates the complex phenomenon of the influence of context on the ability to effectively deliver evidence-based practice. Nevertheless, IR for global health is failing to apply a robust, theoretically driven approach, leading to ethical concerns associated with research that is not methodologically sound. Inappropriate methods are often used in IR to address and report on context. This may result in a lack in understanding of how to effectively adapt the intervention to the new setting and a lack of clarity in conceptualising whether there is sufficient evidence to generalise findings from previous IR to a new setting, or if a randomised controlled trial (RCT) is needed. Some of the ethical issues arising from this shortcoming include poor-quality research that may needlessly expose vulnerable participants to research that has not been adapted to suit local needs and priorities, and the inappropriate use of RCTs that denies participants in the control arm access to treatment that is effective within the local context. To address these concerns, we propose a complementary approach to clinical equipoise for IR, known as contextual equipoise. We discuss challenges in the evaluation of context and also with assessing the certainty of evidence to justify an RCT. Finally, we describe methods that can be applied to improve the evaluation and reporting of context and to help understand if contextual equipoise can be justified or if significant adaptations are required. We hope our analysis offers helpful insight to better understand and ensure that the ethical principle of beneficence is upheld in the real-world contexts of IR in low-resource settings.
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 | 0,757 | 0,830 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,009 | 0,009 |
| Bibliométrie | 0,013 | 0,009 |
| Études des sciences et des technologies | 0,007 | 0,088 |
| Communication savante | 0,025 | 0,040 |
| Science ouverte | 0,009 | 0,027 |
| Intégrité de la recherche | 0,023 | 0,025 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».