MétaCan
Menu
Retour à la cohorte
Enregistrement W3195678169 · doi:10.1093/jlb/lsaa067

Reimagining disability: the screening of donor gametes and embryos in IVF

2020· article· en· W3195678169 sur OpenAlexaff
Isabel Karpin, Roxanne Mykitiuk

Notice bibliographique

RevueJournal of Law and the Biosciences · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueReproductive Health and Technologies
Établissements canadiensYork University
Organismes subventionnairesDivision of Arctic SciencesUniversity of Technology SydneyLondon School of Economics and Political Science
Mots-clésEmbryo donationDonationSelection (genetic algorithm)Reproductive technologyEgg donationThe artsSociologyPolitical scienceGender studiesPublic relationsMedicineEmbryoBiologyGynecologyLawGenetics

Résumé

récupéré en direct d'OpenAlex

In this article, we examine how disability is figured in the imaginaries that are given shape by the reproductive projects and parental desires facilitated by the bio-medical techniques and practices of assisted reproductive technologies (ARTs) that involve selection and screening for disability. We investigate how some users of ARTs understand and deploy these imaginaries in ways that are both concordant with and resistant to the understanding of disability embedded within the broader sociotechnical and social imaginaries. It is through users' deliberations, choices, responses, and expectations that we come to understand how these imaginaries are perpetuated and resisted, and how maintaining them is also dependent upon the individual actions and actors who have internalized them. Our examination is grounded in a close analysis of a small selection of interviews drawn from data gathered during a 4-year project funded by the Australian Research Council exploring the Australian experience of cross border reproductive treatment, looking particularly at surrogacy, and gamete and embryo donation. Our interviewees were individuals or couples who used gamete or embryo donation, coupled at times with surrogacy in attempting to have a child. Participants discussed their views on testing, screening, and future disability.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil0,750

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,314
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Law and the BiosciencesMême sujetReproductive Health and TechnologiesTravaux en français237 207