Ethics review for international data-intensive research
Notice bibliographique
Résumé
Historically, research ethics committees (RECs) have been guided by ethical principles regarding human experimentation intended to protect participants from physical harms and to provide assurance as to their interests and welfare. But research that analyzes large aggregate data sets, possibly including detailed clinical and genomic information of individuals, may require different assessment. At the same time, growth in international data-sharing collaborations adds stress to a system already under fire for subjecting multisite research to replicate ethics reviews, which can inhibit research without improving the quality of human subjects' protections ( 1 , 2 ). “Top-down” national regulatory approaches exist for ethics review across multiple sites in domestic research projects [e.g., United States ( 3 , 4 ), Canada ( 5 ), United Kingdom, ( 6 ), Australia ( 7 )], but their applicability for data-intensive international research has not been considered. Stakeholders around the world have thus been developing “bottom-up” solutions. We scrutinize five such ef orts involving multiple countries around the world, including resource-poor settings (table S1), to identify models that could inform a framework for mutual recognition of international ethics review (i.e., the acceptance by RECs of the outcome of each other's review).
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 | 0,512 | 0,570 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,011 | 0,020 |
| Communication savante | 0,018 | 0,013 |
| Science ouverte | 0,005 | 0,017 |
| Intégrité de la recherche | 0,013 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,005 |
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 ».