Ethical and legal considerations in social media research for health technology assessment: conclusions from a scoping review
Notice bibliographique
Résumé
OBJECTIVES: for generating patient insights for the use by health technology assessment (HTA) or health policy decisions. METHODS: A scoping review of the literature was conducted in PubMed and Embase and identified 935 potential references published between January 2017 and June 2021. After title and abstract screening by three reviewers, 40 publications were included, the relevant information was extracted and data were collected in a mind map, which was then used to structure the output of the review. RESULTS: may reveal new insights of relevance to HTA or health policies into patient needs, patient experiences, or patient behaviors. However, the research approaches, methods, data use, interpretation, and communication may expose those who post the data in social media channels to risks and potential harms relating to privacy, anonymity/confidentiality, authenticity, context, and rapidly changing technologies. CONCLUSIONS: An actively engaged approach to ensuring ethical innocuousness is recommended that carefully follows best practices throughout planning, conduct, and communication of the research. Throughout the process and as a follow-up, there should be a discourse with the ethical experts to maximally protect the current and future users of social media, to support their trust in the research, and to advance the knowledge in parallel to the advancement of the media themselves, the technologies, and the research tools.
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 | 0,299 | 0,530 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,017 | 0,019 |
| Études des sciences et des technologies | 0,004 | 0,010 |
| Communication savante | 0,016 | 0,020 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,013 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».