MétaCan
Menu
Retour à la cohorte
Enregistrement W4283171118 · doi:10.3389/fgene.2022.872586

Sharing and Safeguarding Pediatric Data

2022· article· en· W4283171118 sur OpenAlexafffund
Dimitri Patrinos, Bartha Maria Knoppers, David P. Laplante, Noriyeh Rahbari, Ashley Wazana

Notice bibliographique

RevueFrontiers in Genetics · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueEthics in Clinical Research
Établissements canadiensJewish General HospitalMcGill University Health Centre
Organismes subventionnairesCanadian Institutes of Health ResearchCanada Research Chairs
Mots-clésData sharingSafeguardingMental healthPublic relationsInternet privacyPolitical sciencePsychologyMedicineComputer scienceNursingPsychiatry

Résumé

récupéré en direct d'OpenAlex

Data sharing is key to advancing our understanding of human health and well-being. While issues related to pediatric research warrant strong ethical protections, overly protectionist policies may serve to exclude minors from data sharing initiatives. Pediatric data sharing is critical to scientific research concerning health and well-being, to say nothing of understanding human development generally. For example, large-scale pediatric longitudinal studies, such as those in the DREAM-BIG Consortium, on the influence of prenatal adversity factors on child psychopathology, will provide prevention data and generate future health benefits. Recent initiatives have formulated sound policy to help enable and foster data sharing practices for pediatric research. To help translate these policy initiatives into practice, we discuss how model consent clauses for pediatric research can help address some of the issues and challenges of pediatric data sharing, while enabling data sharing.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,428
Score d'incertitude au seuil0,618

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
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 Opus0,424
Tête enseignante GPT0,515
Écart entre enseignants0,091 · 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

Citations13
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in GeneticsMême sujetEthics in Clinical ResearchTravaux en français237 207