MétaCan
Menu
Retour à la cohorte
Enregistrement W4383343824 · doi:10.1186/s12954-023-00818-6

Community-Engaged Research Ethics Training (CERET): developing accessible and relevant research ethics training for community-based participatory research with people with lived and living experience using illicit drugs and harm reduction workers

2023· article· en· W4383343824 sur OpenAlexaffabout
Jeffrey Morgan, Scott D. Neufeld, Heather Holroyd, Jean Ruiz, Tara Taylor, Seonaid Nolan, Stephanie Glegg

Notice bibliographique

RevueHarm Reduction Journal · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensUniversity of British Columbia HospitalBrock UniversityBritish Columbia Centre on Substance UsePositive Living Society of British ColumbiaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCommunity-based participatory researchParticipatory action researchResearch ethicsHarm reductionContext (archaeology)SociologyDowntownPublic relationsMedical educationMedicineNursingPolitical sciencePublic health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Community-based participatory research (CBPR) can directly involve non-academic community members in the research process. Existing resources for research ethics training can be inaccessible to team members without an academic background and do not attend to the full spectrum of ethical issues that arise through community-engaged research practices. We detail an approach to capacity building and training in research ethics in the context of CBPR with people who use(d) illicit drugs and harm reduction workers in Vancouver's Downtown Eastside neighborhood. METHODS: A project team comprised of academic and community experts in CBPR, research ethics, and harm reduction met over five months to develop the Community-Engaged Research Ethics Training (CERET). The group distilled key principles and content from federal research ethics guidelines in Canada, and developed case examples to situate the principles in the context of research with people who use(d) illicit drugs and harm reduction workers. In addition to content related to federal ethics guidelines, the study team integrated additional content related to ethical issues that arise through community-based research, and ethical principles for research in the Downtown Eastside. Workshops were evaluated using a pre-post questionnaire with attendees. RESULTS: Over the course of six weeks in January-February 2020, we delivered three in-person workshops for twelve attendees, most of whom were onboarding as peer research assistants with a community-based research project. Workshops were structured around key principles of research ethics: respect for persons, concern for welfare, and justice. The discussion-based format we deployed allowed for the bi-directional exchange of information between facilitators and attendees. Evaluation results suggest the CERET approach was effective, and attendees gained confidence and familiarity with workshop content across learning objectives. CONCLUSIONS: The CERET initiative offers an accessible approach to fulfill institutional requirements while building capacity in research ethics for people who use(d) drugs and harm reduction workers. This approach recognizes community members as partners in ethical decision making throughout the research process and is aligned with values of CBPR. Building capacity around intrinsic and extrinsic dimensions of research ethics can prepare all study team members to attend to ethical issues that arise from CBPR.

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)0,153
score de la tête « metaresearch » (Gemma)0,022
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesMétarecherche, Études des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,131
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,1530,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0300,003
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,047
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 Opus0,809
Tête enseignante GPT0,568
Écart entre enseignants0,241 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
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

Citations14
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHarm Reduction JournalMême sujetHIV, Drug Use, Sexual RiskTravaux en français237 207