Genetic discrimination views in online discussion forums: Perspectives from Canadian forumites
Notice bibliographique
Résumé
Recent advancements in genetic technologies have made genetic information increasingly sought out in a wide range of non-therapeutic contexts, which has increased the risk that such information be used to discriminate against individuals. Frequently, it is genetic counselors who have to respond to questions about genetic discrimination (GD) from worried patients. Here, we examine the general Canadian public's knowledge, attitudes, and concerns about GD through a comprehensive analysis and categorization of posts from selected Canadian online discussion forums. Overall, we collected 1,638 posts, from which we coded 694 posts originating from newspaper comment sections and Reddit posts that were categorized to yield 6 main themes that consistently concerned Canadian users on the topics of GD: (a) discussions centered around how insurance business practices can be affected by genetic information; (b) issues in employment; (c) 'fear' of genetic testing and eugenics; (d) preventive approaches such as law and human rights instruments; (e) the predictive value and privacy that should be conferred to genetic information; and (f) other ethical issues. Overall, discussions addressed risk stratification models applied to genetic information and personal insurance underwriting. We find that many forum users (aka forumites) fear GD in insurance and employment, consider genetic information private, and strongly support different legal approaches to prevent GD. However, we find dissension among forumites that may represent different advocacy groups such as insurers and employers. From these important concerns and social conceptions, we discuss issues that should be taken into consideration for the development of future policies and information campaigns addressing GD in Canada and other countries.
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 | 0,010 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,028 | 0,008 |
| Communication savante | 0,009 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».