Ethical Implications of Artificial Intelligence in Vaccine Equity: Protocol for Exploring Vaccine Distribution Planning and Scheduling in Pandemics in Low- and Middle-Income Countries
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic highlighted significant disparities in vaccine distribution, particularly in low- and middle-income countries (LMICs). Artificial intelligence (AI) has emerged as a potential tool to optimize vaccine distribution planning and scheduling. However, its ethical implications, including equity, transparency, bias, and accessibility, remain underexplored. Ensuring ethical AI implementation in vaccine distribution is crucial to addressing health equity challenges worldwide. OBJECTIVE: This study aims to assess the ethical implications of AI-assisted vaccine distribution planning and scheduling in LMICs during pandemics. It seeks to evaluate AI's role in ensuring equitable vaccine access, analyze ethical concerns associated with its deployment, and propose an ethical framework to guide AI-based vaccine distribution strategies. METHODS: Our multiphase qualitative research approach will combine a systematic scoping review, a witness seminar with key stakeholders (health care professionals, AI developers, policymakers, and bioethicists), and a meta-synthesis of findings. The scoping review will follow PRISMA-ScR (Preferred Reporting Items for Systematic reviews and Meta-Analyses Extension for Scoping Reviews) guidelines, focusing on studies from 2019 to 2023. The witness seminar will provide firsthand insights into AI's ethical impact on vaccine equity. Thematic content analysis and qualitative coding will be used for data interpretation, with findings integrated into a policy-driven ethical framework. RESULTS: This study received institutional ethical approval in October 2023. Recruitment commenced in mid-August 2024 through email requests to prospective participants, and recruitment for the witness seminar (focus group discussion) is still ongoing, with 7 expert participants confirmed. Data collection is projected to conclude by August 2025. Preliminary literature analysis from the scoping review is ongoing, and qualitative data analysis from the witness seminar is scheduled for September 2025. The final results and proposed ethical framework are expected to be published in early 2026. CONCLUSIONS: By examining the ethical implications of AI in vaccine distribution, this research will provide actionable recommendations for policymakers, health care organizations, and AI developers. The findings will contribute to the discourse on responsible AI deployment in health care worldwide, ensuring transparency, fairness, and inclusivity in pandemic response strategies. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/76634.
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 | 0,137 | 0,167 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,008 | 0,007 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,013 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,098 | 0,027 |
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 ».