L'effritement du consentement au profit d'une meilleure justice distributive de la recherche biomédicale avec des sujets humains : une étude comparative en situation d'urgence
Bibliographic record
Abstract
La recherche biomédicale réalisée en situation d'urgence traduit la confrontation entre\ndifférents principes conducteurs éthiques. Le respect de l'autonomie de la personne, illustré à\ntravers l'obtention du consentement libre et éclairé du sujet pressenti, peut sembler un\nconcept vide de sens dans le cas des malades présentant une condition médicale critique. Pour\nces patients en proie à une crise médicale, et donc vulnérables, une protection individuelle\naccrue s'impose. Une surprotection irait, toutefois, à la fois à l'encontre du principe de justice\ndistributive et du principe de bienfaisance, impliquant de ne pas exclure totalement un groupe\nde sujets des expectatives élevées de bénéfices d'une recherche correctement balisée. Ce texte\na pour objectif de cerner quel est le fondement - éthique - des textes législatifs,\nréglementaires et normatifs qui permettent l'enrôlement de ces malades atteints de\npathologies foudroyantes dans des protocoles de recherche, alors même qu'aucun\nconsentement, qu'il soit autonome ou substitué, n'a été donné. Inspirée du modèle de\nréflexion éthique pluraliste, l'auteur pose comme hypothèse que c'est le principe de justice\ndistributive qui sous-tend la politique éthique de tels textes, puisque contribuant au\ndéveloppement des avancées thérapeutiques en urgence et à la nécessité d'augmenter\nl'efficacité des traitements disponibles. Ce texte cherche finalement à définir une démarche\nd'approbation des protocoles de recherche qui seront réalisés en situation d'urgence.
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 | 0.017 | 0.036 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.035 |
| Scholarly communication | 0.016 | 0.008 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.006 | 0.008 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
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.
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".