Utilisations secondaires des données de santé : impacts de la transparence
Notice bibliographique
Résumé
La notion de transparence ressort régulièrement des discussions autour des utilisations secondaires des données de santé. Peu d’études se penchent toutefois sur les impacts de la présence ou de l’absence de transparence ou de son absence sur les membres du public. Cette revue de littérature répond à cette lacune. Elle résulte d’une analyse secondaire de 124 textes issus d’une recension de la portée sur la transparence conformément aux lignes directrices PRISMAS-ScR. Les résultats contribuent à identifier les impacts négatifs ou positifs et à les associer à certaines composantes communicationnelles relatives aux utilisations secondaires de données de santé. Ils permettent également d’identifier les composantes associées à une communication jugée transparente ou opaque par les parties prenantes. La transparence, et plus particulièrement la continuité de la communication, est fortement associée à une augmentation de la confiance et de l’acceptabilité sociale alors qu’en général, les membres du public perçoivent négativement un manque de transparence. Cette revue de littérature approfondit également les connaissances sur les risques d’impacts négatifs de la communication transparente.
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 | 0,077 | 0,184 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,014 |
| Communication savante | 0,018 | 0,017 |
| Science ouverte | 0,003 | 0,013 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,001 |
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 ».