摘要流行病和大流行病困扰人类已有许多世纪。在现代,它们是造成重大医疗费用的一个原因。2019-2020 年新型冠状病毒大流行在全球的传播速度比以往许多大流行都要快。尽管个人防护设备和保持社交距离减缓了疫情的蔓延,但疫苗的需求成为确保全球免疫和阻止致命疫情的唯一策略。在公共卫生危机时期开发疫苗充满了伦理难题,而这些难题在这种时候往往会被忽视。其中包括适当的知情同意、在研究的对照组中放置安慰剂以及利用弱势群体等。本评论讨论了与大流行情况下的疫苗开发、二次疫苗开发和平衡条件有关的问题。关键词:疫苗;伦理;COVID-19;埃博拉;大流行;药物开发;知情同意; Equipoise 引言 几个世纪以来,流行病和大流行病一直是人们关注的重大健康问题。早在 17 世纪,天花从欧洲定居者传播到北美,再到 2019 年的新型冠状病毒,疫苗研发一直是应对大流行病的一个有争议的问题 (Carlsen & Glenton, 2016; Kaur & Gupta, 2020)。1918 年的猪流感疫情促使研究人员试图加快研发病毒性流行病/大流行病疫苗和药物所需的时间。1918 年流感疫情疫苗的研发速度很快,并在一年内分发完毕;然而,由于疫苗研发过程还处于起步阶段,该疫苗并没有取得太大成功 (Schwartz, 2018)。从 20 世纪 30 年代开始,研究、病毒学、疫苗研发和临床试验的进步有助于研发出更有效的流感疫苗。这导致了 1942 年第一种主要流感疫苗的开发,该疫苗含有许多不同的流感病毒株。1957 年的流感疫情得到了及时控制,因为已经开发了一种针对一般流感病毒株的疫苗。1957 年的科学家能够使用相同的背景研究快速开发出针对 1957 年 H2N2 疫情的疫苗(Mackenzie 等人,2012 年)。这一发展将疫情的死亡人数控制在 110 万人,而估计死亡人数超过 200 万人。此后,由于疫苗的快速发展,许多疫情都得到了显著控制。然而,作者认为,每次加速疫苗开发都伴随着一系列道德考量。这些考量包括但不限于在试验中使用安慰剂、知情同意程序以及疫苗开发的时间因素。除了这些问题外,还存在与第一种疫苗获得 FDA 批准后继续开发第二种和第三种疫苗有关的问题
人工智能 (AI) 和机器学习的快速发展为临床医生提供了新的工具。AI 工具有可能在短时间内处理大量数据,提供新的见解并改变我们处理复杂医疗问题的方式。AI 有可能通过为目前缺乏通用客观标准的评估过程提供更多见解来帮助临床医生进行医疗决策能力评估。然而,尽管 AI 在此环境中前景光明,但仍存在重大问题,使其不太可能在短期内取代人类评估员。AI 仍然很容易受到有偏见的输入和因此而产生的有偏见的决策的影响,引发了对自主性的质疑,并为谁对最终的能力决策负责带来了不确定性。在本文中,我们探讨了使用 AI 进行能力评估的这些道德考虑。虽然我们承认 AI 可能还没有准备好取代医生来确定患者的医疗决策能力,但这些新技术在短期内具有巨大的潜力,可以作为筛查患者、发现医生偏见和指导能力确定后的后续步骤的工具。
1 罗彻斯特大学卫生人文与生物伦理学系和哲学系,罗彻斯特,纽约;2 多伦多大学儿童医院和达娜拉纳公共卫生学院生物伦理学系,多伦多,安大略省,加拿大;3 东北大学哲学与宗教系和 Khoury 计算机科学学院,马萨诸塞州,波士顿;4 阿姆斯特丹癌症中心放射学和核医学系,阿姆斯特丹大学医学中心,荷兰,阿姆斯特丹;5 国立卫生研究院临床中心放射学和影像科学系,马里兰州,贝塞斯达;6 圣路易斯华盛顿大学生物医学工程系和 Mallinckrodt 放射学研究所,密苏里州,圣路易斯;7 不列颠哥伦比亚大学放射学和物理学系,温哥华,不列颠哥伦比亚省,加拿大;8 密歇根大学医学院放射学系,密歇根州,安娜堡;9 爱荷华大学放射学和物理学系,爱荷华州,爱荷华市; 10 美国密苏里州圣路易斯华盛顿大学马林克罗德放射研究所;11 伊利诺伊州霍夫曼庄园西门子医疗系统美国公司
不平等的根源有多种且相互关联,因国家和地方情况而异,因此这是一个非常复杂的问题,无法简单地分类。已确定了许多决定因素,包括以下主要因素。首先,通过贸易和投资自由化、贸易成本下降以及通过供应链将工作外包,经济全球化给发达经济体低技能工人的实际工资带来了相当大的下行压力,最明显的例子是美国所谓的“中国冲击”的影响。2 其次,自动化和机器人技术等技术进步取代了从事相对常规任务的工人,即使这些工人相对熟练。3 这只是众多“偏向技能的技术变革”中的一种形式,这些变革扩大了发达经济体受过大学教育的人与其他人的工资差距。4 第三,美国和类似国家的工会化程度大幅下降,降低了工人的议价能力和工资。第四,大多数行业的市场集中度显著提高,提高了最大生产商的定价权,产生了超额利润,这些利润转化为管理人员和技术工人的工资上涨,同时支持了股票估值的上涨。这一结果与某些国家出现的“超级明星经理”相一致,这些经理人拥有极高的薪酬待遇。5 最后,至少在美国,教育水平落后于对技术技能的需求,从而提高了技术工人的相对工资。6
指导草案 本指导文件仅供评论之用。有关本草案的评论和建议应在《联邦公报》上公布指导草案发布通知后 60 天内提交。请将电子评论提交至 https://www.regulations.gov。请将书面评论提交至食品药品管理局卷宗管理人员(HFA-305),地址:5630 Fishers Lane, Rm. 1061, Rockville, MD 20852。所有评论均应注明《联邦公报》上公布的发布通知中所列的卷宗编号。如对本草案有任何疑问,请联系 (CDER) 儿科和孕产妇保健部,电话 301-796-2200,或 (CBER) 沟通、推广和发展办公室,电话 800-835-4709 或 240-402-8010。
包含在数据包中:CPMOS 变更请求 DA 表格 4187:................................................................................................................. *如果与 IPPS-A CPMOS 或 NGB 表格 4100 不同则需要。如果为空白,且请求的 CPMOS 是 PMOS,则 DA 表格 4187 不适用。*
摘要:先天性免疫缺陷 (IEI) 是一组超过 450 种遗传上不同的疾病,与显著的发病率和死亡率相关,早期诊断和治疗可改善预后。目前,几个国家正在利用基于 DNA 的技术量化 T 细胞受体切除环 (TREC) 和 κ 缺失重组切除环 (KREC),对新生儿进行严重联合免疫缺陷 (SCID) 筛查。该策略只能识别出患有与 T 和/或 B 细胞淋巴细胞减少症相关的 IEI 的婴儿。其他严重形式的 IEI 将不会被检测到。预先、第一层基于基因组的新生儿筛查已被提议作为一种潜在方法,通过该方法可以同时筛查婴儿出生时数百种单基因疾病。鉴于 IEI 的临床、表型和遗传异质性,基于下一代测序的新生儿筛查方法将是合适的。然而,在采用基于基因组的新生儿筛查方法之前,必须详细评估一些伦理、法律和社会问题,这些问题将在 IEI 的背景下进行讨论。
摘要 摘要 本文探讨了学生在正式评估中使用大型语言模型 (LLM)(例如 ChatGPT)的人工智能 (AI) 工具时的学术诚信考量。我们研究了这些工具的发展,并强调了 LLM 在学生数字写作及其他方面的教育中可以提供支持的潜在方式,包括写作和作文教学、人类与人工智能共同创造的可能性、支持 EFL 学习者以及改进自动写作评估 (AWE)。我们描述并展示了这些工具在创建原创、连贯的文本方面的潜力,这些文本可以避免现有技术检测方法和训练有素的学术人员的检测,这表明学生使用这些工具存在重大的学术诚信问题。通过分析 LLM 为高等教育机构 (HEI) 和学生提出的各种与学术诚信相关的问题,我们得出结论:学生是否使用 AI 工具并不决定是否存在抄袭或违反学术诚信,而是学生是否明确表示了使用。决定学生对 LLM 的任何特定使用是否可以定义为学术不端行为取决于任何特定 HEI 的学术诚信政策,这些政策必须进行更新,以考虑这些工具将如何在未来的教育环境中使用。
摘要 肌萎缩侧索硬化症 (ALS) 患者在患病过程中经常出现言语和交流问题。目前可用的增强和替代通信技术无法为许多晚期 ALS 患者提供解决方案,因为这些设备依赖于残余和可靠的运动活动。脑机接口 (BCI) 使用神经信号进行计算机控制,即使在传统技术无法满足要求的情况下,也可能使晚期 ALS 患者能够进行交流。近年来,植入式 BCI 的开发和验证取得了快速进展,植入式 BCI 是一种将神经信号记录电极放置在皮质内或皮质上的方法。植入式 BCI 最终作为 ALS 患者的辅助通信技术在临床上得到广泛应用,这将对他们的日常生活以及疾病的临床管理产生重大影响,因为 BCI 与 ALS 患者接受的其他程序(如气管切开术)之间可能存在相互作用。本文旨在促进植入式 BCI 在现实世界中的负责任实施。我们回顾了植入式 BCI 通信研究的最新进展,以及该技术临床应用的医学和伦理影响。我们得出结论,需要所有 BCI 利益相关者(包括各个 ALS 相关学科的临床医生)的贡献,以制定植入式 BCI 负责任的临床应用程序并塑造其流程。
渥太华大学国际发展与全球研究学院及环境研究所教授、智慧繁荣研究所高级主任(研究)Geoffrey McCarney (Geoff@smartprosperity.ca)