Global pharmacogenomics: Where is the research taking us?
Notice bibliographique
Résumé
Pharmacogenomics knowledge and technologies, which couple genomics information with pharmaceutical drug response, have been promised to revolutionise both drug development and prescription. One notable promise of pharmacogenomics is the potential to contribute to some of the Millennium Development Goals (MDGs), namely to increase justice in global health by incentivising public research laboratories and pharmaceutical companies to develop drugs for populations (e.g., in low- and middle-income countries) that have been neglected by the traditional drug development model. To evaluate the credibility of this promise, we examined - both quantitatively and qualitatively - those scientific papers indexed in PubMed and published between 1997 and 2010, with a view to describing the major orientations and tendencies characterising the development of pharmacogenomics research. Our results demonstrate that pharmacogenomics research has focused on three major non-communicable categories of disease: cancer, depression and other psychological disorders and cardiovascular and coronary heart disease. Few publications - and thus, by extension, little scientific interest - concerned orphan diseases, infectious diseases or maternal health, indicating that pharmacogenomics research over the last decade has replicated the well-known 90/10 ratio in drug development. As such, we argue that research in the field of pharmacogenomics has failed in its promise to contribute to the MDGs by reducing global health inequalities.
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 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 | 0,018 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».