Notice bibliographique
Résumé
Efforts to foster transparency in biopharmaceutical regulation are well underway: drug manufacturers are, for example, legally required to register clinical trials and share research results in the United States and Europe. Recently, the policy conversation has shifted toward the disclosure of clinical trial data, not just trial designs and basic results. Here, I argue that clinical trial registration and disclosure of clinical trial data are necessary but insufficient. There is also a need to ensure that regulatory decisions that flow from clinical trials - whether positive (i.e., product approvals) or negative (i.e., abandoned products, product refusals, and withdrawals) - are open to outside scrutiny. Further, a jurisprudence of drug regulation is needed. I develop two arguments motivated by (1) innovation concerns and (2) the value of good governance in support of openly publishing all final decisions for approved, abandoned, refused, and withdrawn products. After articulating why greater transparency in regulatory decision-making is needed, I distil four essential features of a jurisprudence of drug regulation that prescribe policy changes in terms not only of the transparency of regulatory outcomes and the underlying reasoning, but also regulatory organization.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,100 | 0,106 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,095 |
| Communication savante | 0,021 | 0,024 |
| Science ouverte | 0,004 | 0,014 |
| Intégrité de la recherche | 0,035 | 0,048 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».