Inclusion and exclusion in nutrigenetics clinical research: ethical & scientific challenges
Notice bibliographique
Résumé
Background/Aims: There are compelling reasons to ensure participation of ethnic minorities and populations of all ages worldwide in nutrigenetics clinical research. If findings in such research are valid for some individuals, groups, or communities, and not for others, then ethical questions of justice – and not only issues of methodology and external validity – arise. This paper aims to examine inclusion in nutrigenetics clinical research and its scientific and ethical challenges. Methods: 173 publications were identified through a systematic review of clinical studies in nutrigenetics published between 1998 and 2007 inclusively. Data such as participants' demographics as well as eligibility criteria were extracted. Results: There is no consistency in the way participants’ origins (ancestry, ethnicity or race) and ages are described in publications. A vast majority of the studies identified was conducted in North America and Europe and focused on “white” participants. Our results show that pregnant women (and fetuses), minors and the elderly (≥75 years old) remain underrepresented. Conclusion: Representativeness in nutrigenetics research is a challenging ethical and scientific issue. Yet, if nutrigenetics is to benefit whole populations and be used in public and global health agendas, fair representation, as well as clear descriptions of participants in publications are crucial.
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 | 0,609 | 0,700 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,008 | 0,013 |
| Études des sciences et des technologies | 0,010 | 0,027 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,006 | 0,011 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».