Développer une culture de l’éthique en recherche interventionnelle en santé des populations
Bibliographic record
Abstract
La recherche interventionnelle en santé des populations (RISP) est un champ particulier de la recherche en santé. Elle vise à produire des connaissances qui contribuent à améliorer durablement la santé à l’échelle des populations en favorisant l’implantation de solutions intersectorielles adaptées aux réalités sociales. Malgré les enjeux éthiques que suscite nécessairement son calendrier social, l’éthique de la RISP est encore très peu formalisée, ce qui pourrait avoir pour effet de limiter sa portée sur l’équité en santé. La présente contribution vise à mettre en lumière certains de ces enjeux et appelle les chercheurs du domaine à développer une culture de l’éthique en RISP. Trois avenues de réflexion complémentaires sont proposées : élaborer une conception éthique propre à ce champ, promouvoir un espace de réflexion critique qui facilite la décision éthique en RISP, et développer la compétence éthique en RISP pour laquelle un ensemble préliminaire d’éléments est avancé.
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 | 0.247 | 0.154 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.010 | 0.051 |
| Scholarly communication | 0.022 | 0.015 |
| Open science | 0.004 | 0.018 |
| Research integrity | 0.008 | 0.015 |
| Insufficient payload (model declined to judge) | 0.007 | 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".