Souvent l’échec des travaux scientifiques reste indéterminé. Les causes qui engendrent un revers pour des chercheurs qui ne trouvent pas de solution judicieuse à leurs travaux, ne sont pas toujours clairement identifiées. Afin de prendre des mesures organisationnelles pour remédier à la faible diversité de la science des données sur la santé, « The Lancet » a diffusé, le 3 février 2021, une nouvelle publication.

Les remèdes et les vaccins, la course avec le virus n’est pas gagnée.
31 janvier 2021

Mais avec la data-science, l’origine de la défaite, comme lors la maladie mondialisée du COVID-19, les hypothèses sont découvertes, identifiées et définies comme le mal à commencer par rectifier. Le problème s’aggrave quand de telles discriminations ne sont pas reconnues et donc pas du tout prises en charge. L’exclusion humaine est la partie forte de ce manquement en science et médicale notamment.

Mises à nu pendant la pandémie COVID-19, l’utilisation des datas est aussi guidée par les discriminations. Dans une publication de la revue scientifique « The Lancet » l’examen de comment les inégalités structurelles, les préjugés et le racisme dans la société sont facilement encodés dans les ensembles de données.

Nous avons diffusé dernièrement un article sur COVAX (le lien en bas), le programme de l’OMS sur la distribution équitable des vaccins pour lutter efficacement contre la pandémie. Car les pays pauvres ont des difficultés pour obtenir le médicament préventif, alors que les pays riches multiplient les commandes, quand même les grands laboratoires qui fabriquent ces médicaments leur appartiennent.

COVAX défaillant, l’accès égal aux vaccins est incontrôlable.
21 janvier 2020

Il s’avère que les décisions analytiques, telles que la manière dont les variables du virus sont définies, peuvent également perpétuer le racisme et les inégalités. Et dans l’application de la science des données, il existe dans les pratiques des modes et travaux qui peuvent renforcer les injustices sociales et les inégalités de santé.

Cette recherche est clairement une alerte. Les mécanismes en place sont médiocres, pour surveiller et comprendre la traduction des modèles en direct, réduisant leur performance. Les impacts dans le monde réel qui pourraient particulièrement nuire aux minorités ethniques pourraient être manqués, dans les pratiques qui sont en rapport avec les cas de malades.

Les chercheurs auteur de la publication insistent sur la pertinence de leurs constats. Il y a un certain nombre de mesures que nous pouvons tous, dans la communauté de la science des données sur la santé, prendre pour lutter contre le racisme structurel et ses effets, appellent-ils pour changer les modes d’acquisition, de traitement et de modélisation des données.

Privilège de blancs, l’actualité vérifie la théorie refusée.
11 janvier 2021

–  Premièrement, se renseigner sur la manière dont la science des données perpétue le racisme. Puis intégrer cette compréhension, de l’usage des datas, dans les futurs scientifiques des données. Pour en éviter et prévenir les déviations que les sciences n’admettent pas.
–  Deuxièmement, toujours rechercher des points de vue diversifiés et représentatifs des patients et du grand public. Et intégrer ces points de vue dans les plans de gouvernance, d’éthique et d’analyse de la recherche.
–  Troisièmement, faire en sorte que la collecte et la communication des données ventilées par ethnicité soient routinières. Lorsque des données sur l’appartenance ethnique sont enregistrées, la stratification des analyses par ethnicité peut garantir que les tendances dans l’ensemble de la population ne masquent pas celles des sous-groupes.

Janvier 1941, des nazis mesurent le nez d’un allemand. (Hulton-Deutsch Collection / CORBIS / Corbis via Getty Images)

Vous voulez utiliser un stockage en ligne, du cloud de Microsoft, ICI.