伦理管理

摘要： 对于多中心临床研究,各中心如何通过协作,保证伦理审查质量、提高审查效率,是临床研究管理部门及研究各方探索的重要方向。通过梳理及分析当前国内外多中心伦理审查的现有模式,结合目前中国伦理审查与管理发展的现状,以肿瘤临床研究为切入点,倡导在国内建立由专业学会牵头,在广泛、深入的培训交流及同一平台有效沟通的基础上,进行协作审查,保质提效,充分促进与落实伦理审审“互认”。在此基础上,进一步提出多中心临床研究伦理管理过程的“全程联动”理念,指出研究各方均应厘清职责,提升意识与能力,共同、全面将临床研究者中的受试者保护落到实处。

摘要： 临床研究已经从医务人员的个人行为转变为有计划、有组织的集体行为;研究模式已经从个人组织实施研究、研究小组组织实施研究向多个单位多类人员参与组织实施研究的模式转变。随着临床研究模式转变,多学科参与临床研究已经成为临床研究发展的方向。现代临床研究中的一些重要工作已开始从医务人员中分离出来,由相关专业人员承担,如建立数据库、统计分析、质量控制、伦理管理等。

摘要： 伦理管理和辱虐管理已成为当前领导力研究中的热点,但现有的研究多集中于探讨其各自的作用机制和结果,鲜有研究对二者关系做出比较分析和归纳总结。对伦理管理和辱虐管理进行多重视角的对比分析发现:1) 二者定义多样、测量需区分下属主观感知和领导客观行为;2) 伦理特征和榜样对领导伦理行为产生深远影响、辱虐管理行为受到多方面因素的短暂影响;3) 伦理管理以促进组织伦理氛围和下属内在动机为主,辱虐管理以破坏组织公平和下属工作情绪为主;4) 伦理管理在发挥积极作用的同时会带来负面影响,而辱虐管理在特定情境下对特定人群会产生积极作用。据此从个体角度提出领导如何在伦理管理和辱虐管理之间展开动态转化的模型;建议后续研究应考虑文化影响并改善测量工具,明晰伦理管理和辱虐管理的概念内涵,进一步探析辱虐管理的积极价值和伦理管理的消极影响。

摘要： 目的通过对广州地区医疗机构涉及人的生物医学研究伦理委员会的建设现状进行调查,为伦理委员会规范化管理提供依据。方法采用方便抽样对广州地区58家医疗机构涉及人的生物医学研究伦理委员会建设现状进行问卷调查,运用SPSS 21.0统计软件对数据进行统计分析,并通过卡方检验进行差异性分析。结果58家医疗机构成立了涉及人的生物医学研究伦理委员会,50.00%伦理委员会聘请了专职秘书,33.96%的伦理办公室在行政上独立建制,52.83%的伦理办公室配备了专职工作人员,79.17%的伦理委员会以纸质文件送审,48.61%的伦理委员会不定期组织培训,药物临床试验伦理委员会与非药物临床试验伦理委员会的管理情况比较,两者差异具有统计学意义(P<0.05)。结论伦理委员会管理总体情况良好,但仍需进一步加强规范化建设。建议加强伦理委员会学科建设和信息化建设,规范伦理专项培训,健全伦理委员会监管体系,统一伦理委员会建设标准,切实提高伦理审查能力,有效保护受试者的安全和权益。

摘要： 生物科学高新技术的快速发展使医学伦理工作面临新的挑战,给伦理审查、成员能力、伦理体系建设等提出了新要求.只有坚持"科技创新、伦理先行"的原则,将科学的"求真"与伦理的"求善"相统一,才能保障人类的健康与文明,推动社会的发展与进步.科技伦理是科技活动必须遵守的价值准则,面对新挑战,需要抓紧完善相关制度规范,将伦理规约制度化到技术和管理细节中.积极促进伦理管理改革,发挥伦理管理的提前预判功能,规范各类科学研究活动,共同推动伦理治理.同时,加强标准化建设、资源整合、多中心伦理互认、区域化伦理审查、审查分工合作等伦理管理工作,积极创新伦理审查形式,在伦理审查的实践层面作出更多有益的探索,促进伦理事业的良性发展.

摘要： 随着生物样本库规模的不断扩大,大数据伦理管理问题也越来越突出.首先简要介绍国外生物样本库的发展历史,进而对其主要类型、特点进行了分类阐述.从知情同意获取方式,研究结果返还情况,生物样本或信息的管理和应用,研究的开放、共享和交易等方面,对国外生物样本库伦理管理制度进行了分类归纳,提炼出对我国生物样本库伦理管理建设的启示,包括加强法律法规等制度建设、加强伦理监管、规范使用知情同意书、加强伦理人才队伍建设、加强隐私保护.

摘要： 科研工作中的伦理管理是保障临床研究受试者和患者权益的重要手段.随着我国现代生命科学技术的迅速发展,伦理管理在科研工作中的作用日益凸显.伦理学在科研工作中的应用不仅是体现在伦理审查上,还应体现在科研诚信等科研道德方面.该研究对科研工作伦理管理领域的既有文献进行可视化分析,发现我国对该领域研究的重视程度在逐步提高,并且主要研究热点集中在学术不端、伦理审查等方面.新冠肺炎疫情发生后,突发公共卫生事件和中医药领域中的伦理管理逐渐成为研究趋势,而"区域伦理委员会"和"伦理监管"实质作用的发挥也将成为该领域研究的前沿内容.

摘要： 目的 分析重大突发公共卫生事件伦理审查和管理的法规和标准,明确新型冠状病毒肺炎疫情防控应急项目伦理审查与管理办法.方法 结合理论探讨、案例分析和国际法规梳理,探讨应急项目伦理审查面临的挑战和解决方案.结果 应急项目伦理审查应在遵循基本伦理原则和标准的基础上,结合其应急性、时效性等特点进行审查和管理.结论 应急项目的伦理审查标准应根据其应急性有所侧重,在高质量和高效率的初始审查基础上,持续的伦理监管和伦理咨询尤为重要.

摘要： 企业在"一带一路"上的投资和运营环境异常复杂,中国企业应带着企业社会责任(CSR)上路.中国企业跨国经营最初并没有较系统和规范的企业伦理管理,尤其是企业营销伦理管理.本文详细阐述企业营销伦理管理驱动企业发展的必要性和内在机制,最后,探讨了"一带一路"背景下驱动企业发展的企业营销伦理管理的路径,为海外经营的企业提供可能的借鉴.

摘要： 经过三轮专家小组共识,作者从组织架构、制度规程、伦理审查、文档管理、监督管理、权益保护等六个维度构建了北京地区医疗卫生机构伦理管理的评价指标体系,包括:6个一级指标、16个二级指标和39个三级指标,得到了各级指标的权重值.研究结果表明,建立的评价指标体系合理、科学,全面,具有可操作性,有重要的推广应用价值.

摘要： 2014年开始,北京医学伦理学会受北京市卫计委委托,组建专家组就"构建北京地区医疗卫生机构人体研究伦理管理建设标准及工作评估指标体系"开展了深入研究,制定了《北京地区医疗卫生机构人体研究伦理管理建设与认定基本标准》.

摘要： 肾移植是救治终末期尿毒症的理想手段，随着肾源供需矛盾的突出，亲属活体捐献肾脏成为解决矛盾的重要途径。我院成立了医学伦理委员会，以加强肾移植的医学伦理管理，在坚持遵守知情、自愿、无偿原则的基础上，对供者的健康状况、血缘等资料进行严格审查、评估和筛选，签署完整规范的法律文书，维护供受者利益，保证亲属肾移植的顺利开展。

摘要： 教育管理的道德价值向度和伦理精神己成为教育管理研究的一个重要领域，但从目前我国教育管理伦理的研究现状看，教育管理中的行为伦理研究显得薄弱，亟待引起教育管理研究者与实践者的关注。基于此，本文尝试着从中观的学校组织层面探讨作为教育管理伦理重要内容的学校管理的一种新的模式——学校组织伦理管理。

摘要： 伴随着经济和社会的迅速发展,企业所处的客观环境也发生了变化,管理环境的变化带来了管理思想的进步.当前,管理与伦理的相互结合已日益成为了现代企业乃至整个社会管理的一种新趋势,因而实行全方位的伦理管理成为新世纪企业兴衰的关键所在.如何正确认识伦理所具有的管理价值被广泛重视,同时,如何实现伦理在管理过程中的重要作用也愈来愈被关注..

摘要： 对医院内临床生物资源库(Clinical Biological Resource Bank)的发展及其引发的有关伦理管理问题进行初步探讨,就国内有关伦理管理的现状进行了简要介绍,分享我院对医院内临床生物资源库建库、样本的收集保存和使用等流程的伦理管理方案.

摘要： 企业管理正在迎来被称为伦理管理的新阶段,企业营利方式正从直接追求自身利润最大化转向通过承担社会责任而间接达到利润目标.使用伦理规范管理的企业重视利益相关者的利益诉求,勇于承担责任,不仅把人看作手段,更把人看作目的.本文通过对江西德宇集团伦理管理行为的剖析表明:农业龙头企业承担社会责任与追求自身利润的目标是可以并行不悖的;企业偏好合乎伦理的经营管理行为,可以使企业取得卓越成就.

摘要： 中国现代图书馆管理的发展，大致经历了三个阶段。本文首先回顾了图书馆管理的历史，并提出了相关问题，然后介绍了伦理管理思想的历史发展及其现实基础，最后探讨了伦理管理理念的变革。

摘要： 以信息作用为核心，从物理与伦理和管理的内在联系和比较演绎中，结合人性和自然界普遍存在的“二律背反”规律和物质作用与信息作用中体现的对称性机制，提出了“对称化管理”;在相对论引力不均匀的引力空间弯曲与信息化社会信息不均匀的信息空间弯曲的分形规律即标度对称支配的可比较机制中，演绎了局域对称化管理以及从有形走向无形、从有界走向连续的文化场管理。而对称性产生、发展及演化的机制则是势科学机制。

摘要： 基于人工智能伦理规则修订的伦理仿真实验方法和机器人，包括：规则选项步骤；第一选择步骤；获取操作步骤；操作对应行为状态步骤；获取规则应用结果步骤；更新场景步骤；第一选择结果评价步骤。技术效果：所述方法通过不同的人工智能伦理规则选项的虚拟实验，使得用户能够通过虚拟实验来体验不同人工智能伦理规则选项的执行效果，起到实验与考核相互促进的效果。而且还能通过知识库和深度学习模型来实现人工智能伦理规则的自动应用，并得到自动应用的结果，从而实现了人工智能伦理规则的应用结果和应用后场景的预测。

摘要： 本发明提供了中心伦理审查管理系统及管理方法，涉及临床试验伦理审查管理技术领域，包括：中心管理子系统、伦理委员会信息库子系统、伦理专家库子系统、项目管理子系统、临床试验项目审查申请管理子系统和审评管理子系统。项目管理子系统录入的临床试验项目并提交至临床试验项目审查申请管理子系统进行确认，伦理委员会信息库子系统建立伦理委员会，伦理专家库子系统遴选伦理专家，中心管理子系统建立为中心伦理委员会，中心伦理委员会通过审评管理子系统对临床试验项目进行审查评议，最终生成审查评议结果。提高了临床试验伦理审查的公正性、科学性以及提高了工作效率，缓解了现有技术存在的伦理审查的公正性差、审查过程跟踪困难的技术问题。

摘要： 基于人类伦理的人工智能机器人伦理生成方法和系统，包括：获取场景步骤；交互步骤；获取问题选择步骤；通用模型训练步骤；用户模型训练步骤；可能选择预测步骤；应做选择预测步骤；选择提醒步骤。上述方法、系统和机器人，通过人类对伦理问题的答案的选择，来训练伦理模型，使得人们和机器人或人工智能系统可以利用伦理模型来判断自己的选择是否得当，进而避免和防范人工智能伦理风险。

摘要： 基于人工智能伦理规则修订的伦理仿真实验方法和机器人，包括：规则选项步骤；第一选择步骤；获取操作步骤；操作对应行为状态步骤；获取规则应用结果步骤；更新场景步骤；第一选择结果评价步骤。技术效果：所述方法通过不同的人工智能伦理规则选项的虚拟实验，使得用户能够通过虚拟实验来体验不同人工智能伦理规则选项的执行效果，起到实验与考核相互促进的效果。而且还能通过知识库和深度学习模型来实现人工智能伦理规则的自动应用，并得到自动应用的结果，从而实现了人工智能伦理规则的应用结果和应用后场景的预测。

摘要： 基于伦理规则修订的人工智能伦理风险辨识防范方法，包括：场景获取步骤、规则获取步骤、初始化步骤、优选度计算步骤、规则选择步骤、规则修订步骤、规则和行为推荐步骤。上述方法、系统和机器人，通过对人工智能伦理规则的不断修订得到在事件场景中产生的人工智能伦理风险小于预设阈值的人工智能伦理规则，使得人工智能伦理风险的辨识和防范不再被单一的人工智能伦理规则所束缚，从而使得事件场景中的人工智能伦理风险变得可控。

摘要： 基于人工智能伦理备选规则的人工智能伦理风险防范方法，包括：多规则获取步骤；风险类型获取步骤；事件场景获取步骤；合规场景步骤；风险计算步骤；规则选择步骤；行为步骤；检测步骤。上述方法、系统和机器人，采用多个备选人工智能伦理规则，从而可以根据事件场景选择能使得事件场景产生人工智能伦理风险最小的人工智能伦理规则，因为有多个备选的人工智能伦理规则，所以产生的人工智能伦理风险必然小于单一人工智能伦理规则情况下事件场景会产生的人工智能伦理风险，能够极大地提高人工智能伦理风险的辨识和防范能力,同时，当人类或人工智能体执行行为失败时，又可以重新选择人工智能伦理风险小的其他人工智能伦理规则，从而提高了人工智能伦理风险的辨识和防范的灵活性。

摘要： 基于伦理风险评定的人工智能伦理风险辨识和防范方法，包括：装置与场景获取步骤；规则和风险类型获取步骤；场景判断与规则选择步骤；规则设定步骤；场景变化检测步骤。上述方法、系统和机器人，根据事件场景动态选择合适的人工智能伦理规则来降低和防范人工智能伦理风险，使得同一个人工智能装置可以根据事件场景选择合适的不同的人工智能伦理规则，从而可以提高人工智能装置遵守人工智能伦理规则的灵活性，通过选择合适的事件场景，可以极大防范和降低人工智能伦理规则在事件场景中所产生的人工智能伦理风险。

摘要： 基于伦理规则判断的人工智能伦理风险辨识和防范方法，包括：规则获取步骤；事件获取步骤；规则判断步骤；场景变换步骤；获取行为步骤；行为通知步骤。上述方法、系统和机器人，通过判断事件场景是否符合人工智能伦理规则，来进行人工智能伦理风险的辨识，同时通过对符合人工智能伦理规则的人类行为和人工智能体行为的预测来防范人工智能伦理风险，进而在人工智能伦理风险没有发生前就可以防患于未然，通过执行预测得到的人类行为和人工智能体行为来降低甚至消除人工智能伦理风险。

摘要： 基于动态人工智能伦理规则的伦理风险防范方法和机器人，包括：装置与场景获取步骤；规则和风险类型获取步骤；场景判断与规则选择步骤；规则设定步骤；场景变化检测步骤。上述方法、系统和机器人，根据事件场景动态选择合适的人工智能伦理规则来降低和防范人工智能伦理风险，使得同一个人工智能装置可以根据事件场景选择合适的不同的人工智能伦理规则，从而可以提高人工智能装置遵守人工智能伦理规则的灵活性，通过选择合适的事件场景，可以极大防范和降低人工智能伦理规则在事件场景中所产生的人工智能伦理风险。

摘要： 人工智能机器人伦理仿真方法和系统，包括：获取模块；训练模块；判断模块；比较模块；防范模块。上述方法、系统和机器人，通过登陆者将观看网页展示的各类逼真的场景动画，并扮演一个智能体，在数个关于伦理道德的问题之中做出选择，机器人将会对这些数据进行学习和分析，最后形成一套符合普遍伦理的价值观，进而避免和防范人工智能伦理风险。