MétaCan
Menu
Retour à la cohorte
Enregistrement W4409146551 · doi:10.33137/utmj.v102i1.45127

Navigating the Ethical Landscape of Medical Genomics: An Interview with Dr. Françoise Baylis

2025· article· en· W4409146551 sur OpenAlexafffundvenueabout
Eleanore Musick, Elizabeth Herrity, Mariyam Niaz

Notice bibliographique

RevueUniversity of Toronto Medical Journal · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueBiomedical Ethics and Regulation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesKillam TrustsInternational Science CouncilCanada Council for the Arts
Mots-clésGenomicsSociologyBiologyGeneticsGenomeGene

Résumé

récupéré en direct d'OpenAlex

Françoise Baylis CM, ONS, PhD, FRSC, FISC is a leading philosopher and bioethics expert, renowned for her pioneering research at the intersection of healthcare ethics, policy, and practice. She has shaped global gene editing standards through her work with the WHO and serves on the International Science Council's Governing Board. As Distinguished Research Professor Emerita at Dalhousie University, Baylis is dedicated to advocating for a more ethical and inclusive approach to science and biotechnology. Her work challenges conventional bioethics, pushing for broader, deeper thinking on health, science, and public policy. Baylis is a member of the Order of Canada and the Order of Nova Scotia, and an elected Fellow of the Royal Society of Canada and the International Science Council. She received the Queen Elizabeth II Platinum Jubilee Medal in 2022. That same year she was awarded the Killam Prize for the Humanities, followed by the Canada Council for the Arts Molson Prize in Humanities in 2023 – Canada's highest honours for humanities scholars. She is also the author of the award-winning book Altered Inheritance: CRISPR and the Ethics of Human Genome Editing, a critical guide to the ethical issues surrounding genome editing. In November 2024, Baylis was elected President of the RSC for a three-year term beginning in 2025. For more information about Françoise Baylis’ work, visit her website www.francoisebaylis.ca

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,301
Écart entre enseignants0,286 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueUniversity of Toronto Medical JournalMême sujetBiomedical Ethics and RegulationTravaux en français237 207