“I Just Assumed This Was Already Being Done”: Canadian Patient Preferences for Enhanced Data Sharing for Precision Oncology
Notice bibliographique
Résumé
PURPOSE: In Canada, health data are siloed, slowing bioinnovation and evidence generation for personalized cancer care. Secured data-sharing platforms (SDSPs) can enable data analysis across silos through rapid concatenation across trial and real-world settings and timely researcher access. To motivate patient participation and trust in research, it is critical to ensure that SDSP design and oversight align with patients' values and address their concerns. We sought to qualitatively characterize patient preferences for the design of a pan-Canadian SDSP. METHODS: Between January 2022 and July 2023, we conducted pan-Canadian virtual focus groups with individuals who had a personal history of cancer. Following each focus group, participants were invited to provide feedback on early-phase analysis results via a member-checking survey. Three trained qualitative researchers analyzed data using thematic analysis. RESULTS: Twenty-eight individuals participated across five focus groups. Four focus groups were conducted in English and one in French. Thematic analysis generated two major and five minor themes. Analytic themes spanned personal and population implications of data sharing and willingness to manage perceived risks. Participants were supportive of increasing access to health data for precision oncology research, while voicing concerns about unintended data use, reidentification, and inequitable access to costly therapeutics. To mitigate perceived risks, participants highlighted the value of data access oversight and governance and informational transparency. CONCLUSION: Strategies for secured data sharing should anticipate and mitigate the risks that patients perceive. Participants supported enhancing timely research capability while ensuring safeguards to protect patient autonomy and privacy. Our study informs the development of data-governance and data-sharing frameworks that integrate real-world and trial data, informed by evidence from direct patient input.
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 | 0,012 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,022 | 0,007 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,000 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».