Le retour des résultats de recherche individuels et les découvertes fortuites en génomique : quelles sont les obligations juridiques du médecin-chercheur envers les participants adultes au Québec?
Bibliographic record
Abstract
Le séquençage complet du génome humain, une méthode de séquençage dite de nouvelle génération, est un outil de recherche de plus en plus employé dans le domaine de la génétique. L’utilisation accrue de cette technique d’analyse conduit les chercheurs à découvrir des résultats de recherche présentant un certain potentiel clinique et qui, à certaines occasions, peuvent concerner personnellement le participant à la recherche. De plus, le nombre élevé de données générées lors de la recherche peut amener les chercheurs à faire des découvertes dépassant le spectre de recherche initial. Dans le cas où ces résultats auraient une incidence significative sur la santé du participant, le chercheur doit-il les communiquer à ce dernier? Existe-t-il des obligations juridiques à cet égard? Plus précisément, qu’en est-il du médecin-chercheur? Cet essai s’interroge sur les obligations juridiques du médecin-chercheur quant à la communication des résultats de recherche individuels et des découvertes fortuites. Nous analyserons à cet effet la portée du cadre juridique québécois, ainsi que celle des textes normatifs qui ont prépondérance.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.120 | 0.262 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.006 | 0.007 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.003 | 0.006 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".