Consent to Research in Madagascar: Challenges, Strategies, and Priorities for Future Research
Notice bibliographique
Résumé
The ethical conduct of research in any setting hinges on the voluntary and informed consent of research participants. Working towards consent that is truly voluntary and informed, however, is far from straightforward, and requires attention to contextual factors that may complicate achievement of this ideal in specific research settings. This paper is based on Madagascar’s first “Consent complexities in health research in Madagascar” workshop, held in Antananarivo, Madagascar, in October 2018. It identifies a number of challenges encountered by individuals responsible for the conduct or oversight of health research in Madagascar related to informed and voluntary consent. Key challenges identified included: adaptation of consent tools into local dialects and for limited literacy populations; perceived acquiescence of potential participants regardless of actual preference based on cultural norms; perceived time pressures within tight project timelines to collect data as quickly as possible, limited time for consent processes; fears and taboos related to specific research procedures or topics; and, uncertainty about how best to approach and verify the validity of individual consent in contexts where traditional leaders’ influence is conventionally sought out and respected. Potential strategies for responding to each of these challenges are proposed, as are key questions meriting further study.
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 | 0,282 | 0,296 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,018 | 0,035 |
| Communication savante | 0,031 | 0,038 |
| Science ouverte | 0,009 | 0,026 |
| Intégrité de la recherche | 0,018 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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; 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 ».