MétaCan
Menu
← Back to cohort
Record W570374388 · doi:10.71781/2499

L’encadrement juridique des biobanques populationnelles et leurs obligations au Québec

2012· dissertation· fr· W570374388 on OpenAlexaboutno aff
Saminda Pathmasiri

Bibliographic record

VenueOpen MIND · 2012
Typedissertation
Languagefr
FieldMedicine
TopicEthics in Clinical Research
Canadian institutionsnot available
Fundersnot available
KeywordsPolitical scienceHumanitiesArt

Abstract

fetched live from OpenAlex

La mise en banque d’échantillons humains et de données connexes n’est pas une pratique récente. Toutefois, dans les dernières décennies, ce phénomène a pris une ampleur sans précédent avec la création des biobanques populationnelles. Défini comme étant des infrastructures de recherche conçues pour durer plusieurs décennies, ce type de biobanques invite des milliers et, dans certains cas, des centaines de milliers de personnes à y participer en fournissant des échantillons, en se soumettant à des tests physiques et biochimiques, et en répondant à diverses questions sur leur santé et leur environnement sociodémographique. Mais quelles sont les obligations des biobanques et de leurs chercheurs face aux participants? Considérant leur longue durée, quel est l’encadrement juridique de ces biobanques populationnelles au Québec? Ce sont les deux questions que pose ce mémoire. Quant à l’encadrement, nous utilisons trois axes d’analyse : i) les lois, les règlements, la déontologie professionnelle et les normes applicables; ii) la qualification juridique de l’acte de mise en banque d’échantillons et de données; et iii) les obligations découlant de la nature même de l’objet de la relation juridique. Notre analyse révèle que cet encadrement est une mosaïque législative, contractuelle, déontologique et normative qui, malgré ses complexités et ses défis d’accessibilité pour les participants, assure une certaine protection pour ces derniers. Quant aux obligations incombant à la biobanque et à ses chercheurs, elles sont pour la majorité teintées par des caractéristiques particulières aux biobanques populationnelles. Ainsi, il existe des défis particuliers en ce qui concerne notamment le consentement, le devoir d’information, le retour de résultats et la sécurité des échantillons et des données. Étant donné la nature évolutive de ces obligations, nous proposons une approche basée sur le meilleur intérêt du participant pour déterminer la nature et l’intensité des obligations incombant à une biobanque et à ses chercheurs.

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 imitation

Not 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.

metaresearch head score (Codex)0.007
metaresearch head score (Gemma)0.018
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesResearch integrity
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.999
Threshold uncertainty score0.354

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0070.018
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0020.004
Science and technology studies0.0100.004
Scholarly communication0.0050.002
Open science0.0010.002
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0110.001

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.

Opus teacher head0.702
GPT teacher head0.610
Teacher spread0.092 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

Study designTheoretical or conceptual
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2012
Admission routes1
Has abstractyes

Explore more

Same venueOpen MIND→Same topicEthics in Clinical Research→French-language works237,207→