MétaCan
Menu
Retour à la cohorte
Enregistrement W1494421313 · doi:10.1111/j.1758-5899.2011.00110.x

Promising Trends in Access to Medicines

2012· article· en· W1494421313 sur OpenAlexaff
E. Richard Gold, Jean‐Frédéric Morin

Notice bibliographique

RevueGlobal Policy · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiquePharmaceutical Economics and Policy
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésDeveloping countryBusinessContext (archaeology)Language changeAccess to medicinesIntellectual propertyPrincipal (computer security)Market accessEconomic growthEconomicsPolitical scienceComputer security

Résumé

récupéré en direct d'OpenAlex

It is a vast understatement to say that the problem of access to medicines in developing countries is complex. Access is limited by a range of factors including inability to pay, a lack of infrastructure, and corruption in some countries. Surrounding and exacerbating these structural and technological problems is the layer of legal rights created by patents and their licensing that complicate and render more expensive the preparation and delivery of needed medicines, particularly those that need to be adapted to the social, health and cultural environment of developing countries. This article provides a survey of innovative strategies that aim at maximizing the potential of patents to facilitate the development and delivery of medicines against diseases, the burden of which falls principally on developing country populations. To understand the context in which these strategies are being proposed and implemented, the article reviews the battles over access to medicines beginning in the late 1980s. It then surveys some of the principal suggestions put forward to better direct innovation systems in addressing the critical health needs of the world's majority including advance market commitments, patent buy-outs, prize funds, public-private partnerships and patent pools.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,114

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,002
Communication savante0,0040,006
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0340,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,116
Tête enseignante GPT0,398
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal PolicyMême sujetPharmaceutical Economics and PolicyTravaux en français237 207