Corporate social responsibility to improve access to medicines: the case of Brazil
Notice bibliographique
Résumé
BACKGROUND: Access to medicines and the development of a strong national pharmaceutical industry are two longstanding pillars of health policy in Brazil. This is reflected in a clear emphasis by Brazil's Federal Government on improving access to medicine in national health plans and industrial policies aimed at promoting domestic pharmaceutical development. This research proposes that such policies may act as incentives for companies to pursue a strategic Corporate Social Responsibility (CSR) agenda. CSR that supports Governmental priorities could help companies to benefit significantly from the Governmental industrial policy. We sought to determine whether CSR activities of Brazilian pharmaceutical firms are currently aligned with the Federal Government's health prioritization. To do so we examined key Brazilian health related policies since 2004, including the specific priorities of Brazil's 2012-2015 Health Plan, and compared these with CSR initiatives that are reported on the websites of select pharmaceutical firms in Brazil. RESULTS: Brazil's national health plans and industrial policies demonstrated that the Federal Government has followed diverse approaches for improving access to medicines, including strengthening health care infrastructure, increasing transparency, and supporting product development partnerships. Case studies of six pharmaceutical firms, representing both public and private companies of varying size, support the perspective that CSR is a priority for firms. However, while many programs target issues such as health infrastructure, health care training, and drug donation, more programs focus on areas other than health and do not seem to be connected to Governmental prioritization. CONCLUSION: This research suggests that there are loose connections between Governmental priorities and pharmaceutical firm CSR. However, there remains a significant opportunity for greater alignment, which could improve access to medicines in the country and foster a stronger relationship between the Government and industry.
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 | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,009 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».