Development of a Multimedia Electronic Consent Platform for Biobanking and Research Utilizing Opinions from Children, Teens, and Adults
Notice bibliographique
Résumé
OBJECTIVE: Ethical research recruitment relies on effective informed consent. We sought feedback and acceptance from users regarding an interactive, multimedia, electronic consent (e-consent) platform for recruitment of research participants to the BC Children's Hospital BioBank (BCCHB). We aimed to enhance user experience when considering research participation and documenting consent decisions through the modality of an e-consent. STUDY DESIGN: A prototype e-consent was developed and end-user opinions regarding content, visuals, user satisfaction, and electronic consent/assent practices were obtained from children, teens, and adults via an online survey and focus groups. A finalized e-consent was submitted for research ethics board (REB) approval. RESULTS: All age groups rated the description of information, images, and formatting in the e-consent as highly favorable. Teens and adults preferred online (38% and 42%) rather than paper-based (17% and 16%) consent, while children expressed no preference. Majority of children (100%), teens (92%), and adults (98%) agreed or strongly agreed that they understood all the information given during the online consent process. No significant differences were found in survey responses between age groups. Adult and teen focus groups suggested improvements in formatting and addition of features to further clarify terms like "ongoing donation" and "privacy measures." All ages preferred the ability to complete the e-consent independently, with optional assistance from research staff. The e-consent received REB approval and was implemented for BCCHB recruitment. CONCLUSION: An e-consent was developed and its modality was successfully accepted by end-users from several age groups, including children and teens, for use in pediatric biobanking. This method may potentially improve the process of completing research consent, particularly with adolescents.
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 | 0,040 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».