Steph Grohmann

MSc, PhD, Senior Program Manager Ethics and Integrity, Ludwig Boltzmann Gesellschaft

Steph Grohmann is a medical anthropologist and Research Ethics and Integrity professional who has researched health inequities and applied ethics at a range of UK institutions. Currently, she heads the Ethics & Diversity Hub and Research Ethics Committee of the Ludwig Boltzmann Gesellschaft (AT) and is Research Integrity Editor at Cochrane (UK).

***

Steph Grohmann est anthropologue médicale et spécialiste de l’éthique et de l’intégrité de la recherche. Elle a mené des travaux sur les inégalités en matière de santé et l’éthique appliquée au sein de divers établissements britanniques. Elle dirige actuellement le centre d’éthique et de diversité ainsi que le comité d’éthique de la recherche de la Ludwig Boltzmann Gesellschaft (Autriche), et occupe le poste d’éditrice chargée de l’intégrité de la recherche chez Cochrane (Royaume-Uni).

All Sessions by Steph Grohmann

  • Tuesday, June 16


  • 15:15  - 16:45
    Workshop

    DESCRIPTION OF SESSION

    Given the variability of topics and applicants for a research ethics application to a Research Ethics Boards (REB) or Institutional Review Board (IRB) from undergraduate students, professional students, advanced-level trainees, such as medical residents and fellows, graduate students, and post-doctoral fellows, plus, of course, faculty members – new and experienced – the types and scope of studies under review by a REB/IRB is enormous. Although training sessions are offered by REBs/IRBs and/or through centralized online courses to help applicants learn how to effectively apply for ethics approval for their study, many applicants may not avail themselves of that opportunity. This can result in many deficiencies and errors in applications that can require more time to review.

    Generative AI (gen AI) has been used to create clinical research ethics applications/protocols using study descriptions from applicants in order to decrease the time for application writing and to “provide additional consistency for reviewers.” (Godwin, 2023).

    This workshop’s goal is to describe a potential method for using gen AI that could provide applicant feedback on their application prior to formal ethics review, i.e., provide a method to train and give feedback to applicants. Additionally, we wish to provide opportunities for participants to discuss the pros and cons of this type of gen AI tool for use in research ethics applications and protocols and to discuss priority areas for pre-review feedback. An outcome would be a summary of advantages and disadvantages of such a gen-AI tool for applicants and REB/IRB reviewers.

    Reference: Ryan C. Godwin, Ayesha S. Bryant, Brant M. Wagener, Timothy J. Ness, Jennifer J. DeBerry, LaShun L. Horn, Shanna H. Graves, Ashley C. Archer, Ryan L. Melvin, IRB-draft-generator: A generative AI tool to streamline the creation of institutional review board applications, SoftwareX, Volume 25, 2024, 101601,ISSN 2352-7110,https://doi.org/10.1016/j.softx.2023.101601. (https://www.sciencedirect.com/science/article/pii/S2352711023002972)

    ***

    Compte tenu de la grande diversité des sujets et des auteurs des demandes soumises aux comités d’éthique de la recherche (CER) ou aux comités d’éthique institutionnels (CEI) – qu’il s’agisse d’étudiants de premier cycle, d’étudiants en formation professionnelle, de stagiaires de niveau avancé (tels que les médecins résidents, les boursiers, les étudiants de troisième cycle ou les boursiers postdoctoraux), sans oublier, bien sûr, les professeurs débutants ou expérimentés – les types et l’étendue des études examinées par les CER/CEI sont considérables. Bien que des formations soient proposées par les comités ou via des cours en ligne centralisés pour apprendre à présenter efficacement des demandes, plusieurs n’en profitent pas. Il peut en résulter de nombreuses lacunes et erreurs dans les demandes, ce qui allonge le temps d’évaluation. L’IA générative a été utilisée pour créer des demandes/protocoles d’éthique de la recherche clinique à partir des descriptions d’étude fournies par les chercheurs, afin de réduire le temps nécessaire à la rédaction des demandes et « d’apporter une cohérence supplémentaire pour les évaluateurs » (Godwin, 2023).

    L’objectif de cet atelier est de présenter une méthode potentielle d’utilisation de l’IA générative qui permettrait une rétroaction des demandes avant l’évaluation officielle et la formation des chercheurs. De plus, nous souhaitons offrir aux participants l’occasion de discuter des avantages et des inconvénients de ce type d’outil d’IA générative destiné aux demandes et protocoles d’éthique de la recherche, ainsi que des domaines à privilégier pour la rétroaction préalable à l’évaluation. Nous espérons notamment pouvoir dresser un résumé des avantages et des inconvénients d’un tel outil d’IA générative pour les chercheurs et les évaluateurs.

    Références : Ryan C. Godwin, Ayesha S. Bryant, Brant M. Wagener, Timothy J. Ness, Jennifer J. DeBerry, LaShun L. Horn, Shanna H. Graves, Ashley C. Archer, Ryan L. Melvin, IRB-draft-generator: A generative AI tool to streamline the creation of institutional review board applications, SoftwareX, Volume 25, 2024, 101601,ISSN 2352-7110,https://doi.org/10.1016/j.softx.2023.101601. (https://www.sciencedirect.com/science/article/pii/S2352711023002972)

    Workshop

  • Mardi 16 juin


  • 15:15  - 16:45
    Workshop

    DESCRIPTION OF SESSION

    Given the variability of topics and applicants for a research ethics application to a Research Ethics Boards (REB) or Institutional Review Board (IRB) from undergraduate students, professional students, advanced-level trainees, such as medical residents and fellows, graduate students, and post-doctoral fellows, plus, of course, faculty members – new and experienced – the types and scope of studies under review by a REB/IRB is enormous. Although training sessions are offered by REBs/IRBs and/or through centralized online courses to help applicants learn how to effectively apply for ethics approval for their study, many applicants may not avail themselves of that opportunity. This can result in many deficiencies and errors in applications that can require more time to review.

    Generative AI (gen AI) has been used to create clinical research ethics applications/protocols using study descriptions from applicants in order to decrease the time for application writing and to “provide additional consistency for reviewers.” (Godwin, 2023).

    This workshop’s goal is to describe a potential method for using gen AI that could provide applicant feedback on their application prior to formal ethics review, i.e., provide a method to train and give feedback to applicants. Additionally, we wish to provide opportunities for participants to discuss the pros and cons of this type of gen AI tool for use in research ethics applications and protocols and to discuss priority areas for pre-review feedback. An outcome would be a summary of advantages and disadvantages of such a gen-AI tool for applicants and REB/IRB reviewers.

    Reference: Ryan C. Godwin, Ayesha S. Bryant, Brant M. Wagener, Timothy J. Ness, Jennifer J. DeBerry, LaShun L. Horn, Shanna H. Graves, Ashley C. Archer, Ryan L. Melvin, IRB-draft-generator: A generative AI tool to streamline the creation of institutional review board applications, SoftwareX, Volume 25, 2024, 101601,ISSN 2352-7110,https://doi.org/10.1016/j.softx.2023.101601. (https://www.sciencedirect.com/science/article/pii/S2352711023002972)

    ***

    Compte tenu de la grande diversité des sujets et des auteurs des demandes soumises aux comités d’éthique de la recherche (CER) ou aux comités d’éthique institutionnels (CEI) – qu’il s’agisse d’étudiants de premier cycle, d’étudiants en formation professionnelle, de stagiaires de niveau avancé (tels que les médecins résidents, les boursiers, les étudiants de troisième cycle ou les boursiers postdoctoraux), sans oublier, bien sûr, les professeurs débutants ou expérimentés – les types et l’étendue des études examinées par les CER/CEI sont considérables. Bien que des formations soient proposées par les comités ou via des cours en ligne centralisés pour apprendre à présenter efficacement des demandes, plusieurs n’en profitent pas. Il peut en résulter de nombreuses lacunes et erreurs dans les demandes, ce qui allonge le temps d’évaluation. L’IA générative a été utilisée pour créer des demandes/protocoles d’éthique de la recherche clinique à partir des descriptions d’étude fournies par les chercheurs, afin de réduire le temps nécessaire à la rédaction des demandes et « d’apporter une cohérence supplémentaire pour les évaluateurs » (Godwin, 2023).

    L’objectif de cet atelier est de présenter une méthode potentielle d’utilisation de l’IA générative qui permettrait une rétroaction des demandes avant l’évaluation officielle et la formation des chercheurs. De plus, nous souhaitons offrir aux participants l’occasion de discuter des avantages et des inconvénients de ce type d’outil d’IA générative destiné aux demandes et protocoles d’éthique de la recherche, ainsi que des domaines à privilégier pour la rétroaction préalable à l’évaluation. Nous espérons notamment pouvoir dresser un résumé des avantages et des inconvénients d’un tel outil d’IA générative pour les chercheurs et les évaluateurs.

    Références : Ryan C. Godwin, Ayesha S. Bryant, Brant M. Wagener, Timothy J. Ness, Jennifer J. DeBerry, LaShun L. Horn, Shanna H. Graves, Ashley C. Archer, Ryan L. Melvin, IRB-draft-generator: A generative AI tool to streamline the creation of institutional review board applications, SoftwareX, Volume 25, 2024, 101601,ISSN 2352-7110,https://doi.org/10.1016/j.softx.2023.101601. (https://www.sciencedirect.com/science/article/pii/S2352711023002972)

    Workshop




Share

Steph Grohmann