Verbal consent in biomedical research: moving toward a future standard practice?
Notice bibliographique
Résumé
Properly obtaining informed consent is a core obligation for research conducted using human subjects. The traditional informed consent process involves written forms and obtaining signatures. This process remains the standard, but in various research settings, such as COVID-19 and rare disease research, verbal consent has increasingly become the norm. Although verbal consent is used in these settings, its use is still a subject of debate. This article reviews in what medical settings verbal consent is commonly seen today, various advantages and disadvantages of verbal consent, and its legislative and policy ecosystem. In doing so, this review article asserts that it is time for the debate over verbal consent to come to an end and for legislator and policymakers to acknowledge its use and to formalize the process. This will allow verbal consent to be regulated in a similar manner to written consent and will give clinician-researchers guidance on how to better implement verbal consent in their studies to addressing ongoing concerns with the consenting process as a whole.
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 | 0,332 | 0,387 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,003 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,045 |
| Communication savante | 0,017 | 0,035 |
| Science ouverte | 0,010 | 0,011 |
| Intégrité de la recherche | 0,021 | 0,037 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,004 |
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 ».