MétaCan
Menu
Retour à la cohorte
Enregistrement W4311576541 · doi:10.1007/s12021-022-09577-4

Consent Codes: Maintaining Consent in an Ever-expanding Open Science Ecosystem

2022· article· en· W4311576541 sur OpenAlexafffund
Stephanie O. M. Dyke, Kathleen Connor, Victoria Nembaware, Nchangwi Syntia Munung, Kathy Reinold, Giselle Kerry, Mamana Mbiyavanga, Lyndon Zass, Mauricio Moldes, Samir Das, John Davis, Jordi Rambla, Dylan Spalding, Alan C. Evans, Nicola Mulder, Jason Karamchandani

Notice bibliographique

RevueNeuroinformatics · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueEthics in Clinical Research
Établissements canadiensMcGill UniversityMcGill University Health CentreMontreal Neurological Institute and Hospital
Organismes subventionnairesNational Human Genome Research InstituteNational Institutes of HealthHorizon 2020 Framework ProgrammeSpace Operations Mission DirectorateWellcome TrustFondation Brain CanadaNational Heart, Lung, and Blood InstituteMcGill University
Mots-clésBiobankInformed consentComputer scienceData scienceKnowledge managementInformation retrievalMedicineBioinformaticsAlternative medicine

Résumé

récupéré en direct d'OpenAlex

We previously proposed a structure for recording consent-based data use 'categories' and 'requirements' - Consent Codes - with a view to supporting maximum use and integration of genomic research datasets, and reducing uncertainty about permissible re-use of shared data. Here we discuss clarifications and subsequent updates to the Consent Codes (v4) based on new areas of application (e.g., the neurosciences, biobanking, H3Africa), policy developments (e.g., return of research results), and further practical considerations, including developments in automated approaches to consent management.

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 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)0,395
score de la tête « metaresearch » (Gemma)0,512
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil0,746

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3950,512
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0060,007
Études des sciences et des technologies0,0100,020
Communication savante0,0160,034
Science ouverte0,0050,017
Intégrité de la recherche0,0130,018
Charge utile insuffisante (le modèle a refusé de juger)0,0090,006

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 Opus0,516
Tête enseignante GPT0,570
Écart entre enseignants0,054 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations3
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeuroinformaticsMême sujetEthics in Clinical ResearchTravaux en français237 207