MétaCan
Menu
Retour à la cohorte
Enregistrement W2472323756 · doi:10.7895/ijadr.v5i1.232

How should we define, document, and prevent conflicts of interest in alcohol research?

2016· article· en· W2472323756 sur OpenAlexvenueno aff
Thomas F. Babor

Notice bibliographique

RevueThe International Journal of Alcohol and Drug Research · 2016
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmaceutical industry and healthcare
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Alcohol Abuse and AlcoholismNational Institutes of Health
Mots-clésScrutinyReceiptConflict of interestVariety (cybernetics)Public relationsPolitical scienceScientific misconductBusinessPsychologyEngineering ethicsAccountingMedicineLawAlternative medicineEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Babor, T. (2016). How should we define, document, and prevent conflicts of interest in alcohol research?. The International Journal Of Alcohol And Drug Research, 5(1), 5-7. doi:http://dx.doi.org/10.7895/ijadr.v5i1.232Aims: Conflicts of interest (COIs) in science and medicine have come under increasing scrutiny in recent years. This article reviews definitions of COI, as well as measures used to document, prevent, and manage COIs.Findings: The positive association between COIs and the outcomes of research has been documented in a substantial body of research covering a variety of fields, including addiction research. Attempts to address COIs include funding declarations, voluntary bans of receipt of industry funding, and ethical analyses.Conclusions: To protect the scientific integrity of the alcohol field from further influence from commercial and other competing interests, reasonable and consistent reporting procedures are needed at a minimum. Direct funding from major transnational alcohol producers involves major reputational and ethical risks that may require more stringent measures by professional societies, university administrators, and journal editors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,468
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,830
Tête enseignante GPT0,644
Écart entre enseignants0,187 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Alcohol and Drug ResearchMême sujetPharmaceutical industry and healthcareTravaux en français237 207