Demonstrating trustworthiness when collecting and sharing genomic data: public views across 22 countries
Notice bibliographique
Résumé
Abstract Background Public trust is central to the collection of genomic and health data and the sustainability of genomic research. To merit trust, those involved in collecting and sharing data need to demonstrate they are trustworthy. However, it is unclear what measures are most likely to demonstrate this. Methods We analyse the ‘Your DNA, Your Say’ online survey of public perspectives on genomic data sharing including responses from 36,268 individuals across 22 low-, middle- and high-income countries, gathered in 15 languages. We examine how participants perceived the relative value of measures to demonstrate the trustworthiness of those using donated DNA and/or medical information. We examine between-country variation and present a consolidated ranking of measures. Results Providing transparent information about who will benefit from data access was the most important measure to increase trust, endorsed by more than 50% of participants across 20 of 22 countries. It was followed by the option to withdraw data and transparency about who is using data and why. Variation was found for the importance of measures, notably information about sanctions for misuse of data—endorsed by 5% in India but almost 60% in Japan. A clustering analysis suggests alignment between some countries in the assessment of specific measures, such as the UK and Canada, Spain and Mexico and Portugal and Brazil. China and Russia are less closely aligned with other countries in terms of the value of the measures presented. Conclusions Our findings highlight the importance of transparency about data use and about the goals and potential benefits associated with data sharing, including to whom such benefits accrue. They show that members of the public value knowing what benefits accrue from the use of data. The study highlights the importance of locally sensitive measures to increase trust as genomic data sharing continues globally.
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 | 0,061 | 0,090 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».