Yvanie Caillé & Michel Doucin (dir.), Don et transplantation d’organes au Canada, aux États-Unis et en France. Réflexions éthiques et pratiques comparées , Paris, L’Harmattan, 2011, 299 p., 29 €
Bibliographic record
Abstract
Revue philosophique, n° 4/2012, p. 551 à p. 606 la taille de l'effet observé : cela conduit à remettre en cause une hiérarchie catégorielle des types d'études.dans cette perspective, les principes dits de « double-aveugle » (exigeant que ni les patients ni les observateurs ne sachent s'ils sont dans le groupe test ou dans le groupe témoin) et de comparaison « contre placebo » (exigeant que les patients du groupe témoin se voient prescrire un cachet ou une gélule sans principe actif) ne sont pas des gages absolus de la qualité d'une étude.de la même manière, l'auteur émet des réserves sur l'idée, défendue par les partisans de l'ebm, d'une infériorité systématique des observations des mécanismes d'action d'un traitement.À la condition que le mécanisme établi soit « non incomplet », c'est-à-dire ne souffre pas de lacunes connues, le raisonnement mécanistique peut être aussi fiable, voire plus fiable que les deux autres types d'études.les cas sont rares, il est vrai.À l'image des promoteurs de l'ebm, howick se montre enfin très critique sur le poids à donner à l'avis d'experts quant à l'efficacité d'un traitement en général (ou dans un cas particulier).dans tous les cas où la taille d'effet n'est pas spectaculaire, de très loin les plus fréquents, le principe de classement catégoriel des types d'études semble en fait légitimement prévaloir sur le principe de taille d'effet.en conséquence, les thèses par lesquelles l'auteur se démarque des promoteurs de l'ebm se réduisent à exclure du classement catégoriel des cas particuliers, plus simples, où la connaissance du phénomène n'a pas besoin d'être établie statistiquement.reste une défense et illustration intelligente de l'Evidence-Based Medicine, susceptible de dissiper de nombreux malentendus, sources d'objections.le profane y trouvera une initiation, le spécialiste, des argumentations convaincantes, présentées de manière élégante, appuyées sur une bibliographie de plus de 500 références, rassemblant et organisant un grand nombre de discussions philosophiques éparses dans des revues spécialisées.maël lemoine
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.029 | 0.012 |
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".