Commercial Opportunities and Ethical Pitfalls in Personalized Medicine: A Myriad of Reasons to Revisit the Myriad Genetics Saga
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In 1996, the US-based biotechnology company Myriad Genetics began offering genetic diagnostic tests for mutations in the genes BRCA1 and BRCA2, which are linked to hereditary breast and ovarian cancer. Since that time, Myriad has been a forerunner in the field of personalized medicine through the use of effective commercialization strategies which have been emulated by other commercial biotechnology companies. Myriad’s strategies include patent acquisition and active enforcement, direct-to-consumer advertising, diversification, and trade secrets. These business models have raised substantial ethical controversy and criticism, often related to the company’s focus on market dominance and the potential conflict between private sector profitability and the promotion of public health. However, these strategies have enabled Myriad to survive the economic challenges that have affected the biotechnology sector and to become financially successful in the field of personalized medicine. Our critical assessment of the legal, economic and ethical aspects of Myriad’s practices over this period allows the identification of the company’s more effective business models. It also discusses of the consequences of implementing economically viable models without first carrying out broader reflection on the socio-cultural, ethical and political contexts in which they would apply. Keywords: BRCA genes, breast and ovarian cancer, commercialization, direct-to-consumer advertising, gene patents, genetic diagnostic tests, myriad genetics, trade secrets.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 découle