MétaCan
Menu
Retour à la cohorte
Enregistrement W2030402989 · doi:10.1016/j.healthpol.2013.01.012

How experts are chosen to inform public policy: Can the process be improved?

2013· article· en· W2030402989 sur OpenAlexaffabout
Sylvia Rowe, Nick Alexander, Connie M. Weaver, Johanna Dwyer, Christa Drew, Rhoná S. Applebaum, Stephanie A. Atkinson, Fergus M. Clydesdale, Eric Hentges, Nancy A. Higley, M. Elizabeth Westring

Notice bibliographique

RevueHealth Policy · 2013
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmaceutical industry and healthcare
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)Public relationsContext (archaeology)Process (computing)Public policyWork (physics)Political scienceBusinessMarketingEngineering

Résumé

récupéré en direct d'OpenAlex

The ever-increasing complexity of the food supply has magnified the importance of ongoing research into nutrition and food safety issues that have significant impact on public health. At the same time, ethical questions have been raised regarding conflict of interest, making it more challenging to form the expert panels that advise government agencies and public health officials in formulating nutrition and food safety policy. Primarily due to the growing complexity of the interactions among government, industry, and academic research institutions, increasingly stringent conflict-of-interest policies may have the effect of barring the most experienced and knowledgeable nutrition and food scientists from contributing their expertise on the panels informing public policy. This paper explores the issue in some depth, proposing a set of principles for determining considerations for service on expert advisory committees. Although the issues around scientific policy counsel and the selection of advisory panels clearly have global applicability, the context for their development had a US and Canadian focus in this work. The authors also call for a broader discussion in all sectors of the research community as to whether and how the process of empaneling food science and nutrition experts might be improved.

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)0,708
score de la tête « metaresearch » (Gemma)0,719
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,292
Score d'incertitude au seuil0,360

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,7080,719
Méta-épidémiologie (sens strict)0,0030,004
Méta-épidémiologie (sens large)0,0060,004
Bibliométrie0,0140,009
Études des sciences et des technologies0,0450,051
Communication savante0,0620,062
Science ouverte0,0180,034
Intégrité de la recherche0,0770,067
Charge utile insuffisante (le modèle a refusé de juger)0,0170,009

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 Opus0,484
Tête enseignante GPT0,596
Écart entre enseignants0,111 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
DomaineÉvaluation
GenreEmpirique

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

En bref

Citations24
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth PolicyMême sujetPharmaceutical industry and healthcareTravaux en français237 207