Core competencies for ethics experts in health technology assessment
Notice bibliographique
Résumé
OBJECTIVES: There is no consensus on who might be qualified to conduct ethical analysis in the field of health technology assessment (HTA). Is there a specific expertise or skill set for doing this work? The aim of this article is to (i) clarify the concept of ethics expertise and, based on this, (ii) describe and specify the characteristics of ethics expertise in HTA. METHODS: Based on the current literature and experiences in conducting ethical analysis in HTA, a group of members of the Health Technology Assessment International (HTAi) Interest Group on Ethical Issues in HTA critically analyzed the collected information during two face-to-face workshops. On the basis of the analysis, working definitions of "ethics expertise" and "core competencies" of ethics experts in HTA were developed. This paper reports the output of the workshop and subsequent revisions and discussions online among the authors. RESULTS: Expertise in a domain consists of both explicit and tacit knowledge and is acquired by formal training and social learning. There is a ubiquitous ethical expertise shared by most people in society; nevertheless, some people acquire specialist ethical expertise. To become an ethics expert in the field of HTA, one needs to acquire general knowledge about ethical issues as well as specific knowledge of the ethical domain in HTA. The core competencies of ethics experts in HTA consist of three fundamental elements: knowledge, skills, and attitudes. CONCLUSIONS: The competencies described here can be used by HTA agencies and others involved in HTA to call attention to and strengthen ethical analysis in HTA.
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 | 0,028 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».