A policy Delphi study to validate the key implications of data sharing (KIDS) framework for pediatric genomics in Canada
Notice bibliographique
Résumé
BACKGROUND: The highly sensitive nature of genomic and associated clinical data, coupled with the consent-related vulnerabilities of children together accentuate ethical, legal and social issues (ELSI) concerning data sharing. The Key Implications of Data Sharing (KIDS) framework was therefore developed to address a need for institutional guidance on genomic data governance but has yet to be validated among data sharing practitioners in practice settings. This study qualitatively explored areas of consensus and dissensus of the KIDS Framework from the perspectives of Canadian clinician-scientists, genomic researchers, IRB members, and pediatric ethicists. METHODS: Twelve panelists participated in a three-round online policy Delphi to determine the desirability, feasibility, relative importance and confidence of twelve individual statements of the KIDS Framework. Mean and IQR were calculated from panelists' ratings to determine the strength of consensus and polarity. Qualitative content analysis of panelists' written responses was used to assess degree of support. Statements were validated when their combined ratings and qualitative rationales indicated high-moderate consensus (at least 70% agreement across two contiguous categories), low to no polarity (IQR at least 1.0) and strong support. RESULTS: Nine original, and one new statement reached consensus. These statements outlined essential elements of the informed consent process, including a realistic evaluation of benefits and risks and assurance of future ethics oversight for secondary data use. Discrepant views on appropriate protections for anonymized and coded i.e. de-identified genomic data were primary sources of dissensus. CONCLUSIONS: The validated statements provide institutions with empirically supported best practices for sharing genomic and associated clinical data involving children from the perspectives of key stakeholders. Concerted efforts to quantify informational risks that can be conveyed to patients and families are further needed to align data sharing policy with stakeholder priorities.
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 | 0,001 | 0,015 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».