Informed consent competency assessment for brain-computer interface clinical research and application in psychiatric disorders: A systematic review
Notice bibliographique
Résumé
BACKGROUND: Brain-computer interface (BCI) technology is rapidly advancing in psychiatry. Informed consent competency (ICC) assessment among psychiatric patients is a pivotal concern in clinical research. AIM: To analyze the assessment of ICC and form a framework with multi-dimensional elements involved in ICC of BCI clinical research among psychiatric disorders. METHODS: A systematic review of studies regarding ICC assessments of BCI clinical research in patients with six kinds of psychiatric disorders was conducted. A systematic literature search was performed using PubMed, ScienceDirect, and Web of Science. Peer-reviewed articles and full-text studies were included in the analysis. There were no date restrictions, and all studies published up to February 27, 2025, were included. RESULTS: A total of 103 studies were selected for this review. Fifty-eight studies included ICC factors, and forty-five were classified in ICC related ethical issues of BCI research in six kinds of psychiatric disorders. Executive function impairment is widely recognized as the most significant factor impacting ICC, and processing speed deficits are observed in schizophrenia, mood disorders, and Alzheimer's disease. Memory dysfunction, particularly episodic and working memory, contributes to compromised ICC. Five core ethical issues in BCI research should be addressed: BCI specificity, vulnerability, autonomy, dynamic ICC, comprehensiveness, and uncertainty. CONCLUSION: A Five-Dimensional evaluative framework, including clinical, ethical, sociocultural, legal, and procedural dimensions, is constructed and proposed for future ICC research in BCI clinical research involving psychiatric disorders.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».