MétaCan
Menu
Retour à la cohorte
Enregistrement W4310940450 · doi:10.1177/15562646221138450

Protecting the Vulnerable and Including the Under-Represented: IRB Practices and Attitudes

2022· article· en· W4310940450 sur OpenAlexaff
Luke Gelinas, David H. Strauss, Ying Chen, Hayat Ahmed, Aaron Kirby, Phoebe Friesen, Barbara E. Bierer

Notice bibliographique

RevueJournal of Empirical Research on Human Research Ethics · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueEthics in Clinical Research
Établissements canadiensMcGill University
Organismes subventionnairesNational Center for Advancing Translational SciencesHarvard CatalystUniversity of Pennsylvania
Mots-clésPolitical scienceInformed consentEngineering ethicsPsychologyLawPublic relationsMedicineAlternative medicineEngineering

Résumé

récupéré en direct d'OpenAlex

Since their inception, Institutional Review Boards (IRBs) have been charged with protecting the vulnerable in research. More recently, attention has turned to whether IRBs also have a role to play in ensuring representative study samples and promoting the inclusion of historically under-represented groups. These two aims-protecting the vulnerable and including the under-represented-can pull in different directions, given the potential for overlap between the vulnerable and the under-represented. We conducted a pilot, online national survey of IRB Chairs to gauge attitudes and practices with regard to protecting the vulnerable and including the under-represented in research. We found that IRBs extend the concept of vulnerability to different groups across various contexts, are confident that they effectively protect vulnerable individuals in research, and believe that IRBs have a role to play in ensuring representative samples and the inclusion of under-represented groups.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaMétarecherche
Domaine: Méthodes · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptMétarecherche
Domaine: Méthodes · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,210
score de la tête « metaresearch » (Gemma)0,286
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Intégrité de la recherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,974

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2100,286
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0080,016
Communication savante0,0090,006
Science ouverte0,0020,011
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,974
Tête enseignante GPT0,803
Écart entre enseignants0,171 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Devis d'étudeObservationnel
DomaineMéthodes
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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Empirical Research on Human Research EthicsMême sujetEthics in Clinical ResearchCatégorieMétarechercheTravaux en français237 207