MétaCan
Menu
Retour à la cohorte
Enregistrement W2122211902 · doi:10.1186/1472-698x-10-s1-s7

Can incubators work in Africa? Acorn Technologies and the entrepreneur-centric model

2010· article· en· W2122211902 sur OpenAlexafffund
Justin Chakma, Hassan Masum, Peter Singer

Notice bibliographique

RevueBMC International Health and Human Rights · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueBiotechnology and Related Fields
Établissements canadiensCentre for Global Health ResearchUniversity of TorontoUniversity Health Network
Organismes subventionnairesUniversity of TorontoUniversity Health NetworkBill and Melinda Gates Foundation
Mots-clésIncubatorBusiness modelBusinessRevenueSubsidyEntrepreneurshipMarketingEconomicsFinance

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Incubators are organizations that support the growth of new and typically technology-based enterprises, by providing business support services that bring together human and financial capital. Although the traditional role of incubators has been for economic development, they may also be a useful policy lever to tackle global health, by fostering the development and delivery of local health innovation.Given its high disease burden, life sciences incubators hold particular potential for Africa. As the most industrially advanced African nation, South Africa serves as a litmus test for identifying effective incubator policies. The case study method was used to illustrate how one such publicly funded incubator founded in 2002, Acorn Technologies, helped to catalyze local health product innovation. DISCUSSION: Acorn helped to support twelve biomedical device firms. One of them, Real World Diagnostics, was founded by a trainee from Acorn's innovative internship program (Hellfire). It developed rapid strip diagnostic tests for locally prevalent diseases including schistosomiasis and HIV, and reported $2 million (USD) in revenue in 2009.Acorn achieved this success by operating as a non-profit virtual incubator with little physical infrastructure. Employing a virtual model in combination with stringent selection criteria of capital efficiency for clients proved to be effective in reducing its own fixed costs. Acorn focused on entrepreneurship training and networking, both critical at an early stage in an environment dominated by multinational biomedical device companies.Acorn and its clients learned that employing a cross-subsidy business model allowed one to generate royalty revenue through imports to subsidize R&D for local diseases. However, funding constraints and government expectations for rapid self-sustainability forced Acorn to merge with its sister biotechnology incubator in 2009. SUMMARY: A key to Acorn's achievements was identifying entrepreneurs with technologies with health and economic impact, and providing them with flexible support from an early stage. A virtual organizational model helped Acorn to focus on supporting entrepreneurs. Governments and funders may wish to consider incubation strategies that draw from these good practices. With the right policies and business models, incubators have the potential to generate both health and economic benefits for Africa.

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)0,011
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,017
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0090,014
Communication savante0,0120,016
Science ouverte0,0010,007
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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 Opus0,015
Tête enseignante GPT0,271
Écart entre enseignants0,256 · 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'étudeObservationnel
Domainenon disponible
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

Citations14
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC International Health and Human RightsMême sujetBiotechnology and Related FieldsTravaux en français237 207