Behind the scenes of research ethics committee oversight: a qualitative research study with committee chairs in the Middle East and North Africa region
Notice bibliographique
Résumé
BACKGROUND: Research cites shortcomings and challenges facing research ethics committees in many regions across the world including Arab countries. This paper presents findings from qualitative in-depth interviews with research ethics committee (REC) chairs to explore their views on the challenges they face in their work with the oversight of research involving human populations. METHODS: Virtual in-depth interviews were conducted with chairs (n = 11) from both biomedical and/or social-behavioral research ethics committees in six countries, transcribed, coded and subject to thematic analysis for recurring themes. RESULTS: Two sets of recurring themes impede the work of the committees and pose concerns for the quality of the research applications: (1) procedures and committee level challenges such as heavy workload, variations in member qualification, impeding bureaucratic procedures, member overwork, and intersecting socio-cultural values in the review process; (2) inconsistencies in the researchers' competence in both applied research ethics and research methodology as revealed by their applications. CONCLUSIONS: Narratives of REC chairs are important to shed light on experiences and issues that are not captured in surveys, adding to the body of knowledge with implications for the region, and low- and middle-income countries (LMICs) in other parts of the world. International research collaborations could benefit from the findings.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,272 | 0,455 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,015 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,063 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes 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 ».