MétaCan
Menu
Retour à la cohorte
Enregistrement W2604225864 · doi:10.1016/s2214-109x(17)30113-4

Can a multistakeholder initiative improve transparency and accountability in the pharmaceutical sector? Evidence from the Medicines Transparency Alliance

2017· article· en· W2604225864 sur OpenAlexaff
Taryn Vian, Jillian Clare Köhler, Deirdre Dimancesco, Gilles Forte

Notice bibliographique

RevueThe Lancet Global Health · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiquePharmaceutical Economics and Policy
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTransparency (behavior)AccountabilityStakeholderAllianceStakeholder engagementEssential medicinesPublic sectorMedicineBusinessGovernment (linguistics)Public healthPublic relationsPolitical scienceNursing

Résumé

récupéré en direct d'OpenAlex

Background Access to affordable quality essential medicines is crucial if universal health coverage and the Sustainable Development Goals are to be achieved. Multistakeholder initiatives might help to overcome barriers to access such as weak pharmaceutical sector governance and lack of transparency and public accountability. The Medicines Transparency Alliance (MeTA) is a multistakeholder initiative implemented in the pharmaceutical sectors of seven countries (Ghana, Jordan, Kyrgyzstan, Peru, the Philippines, Uganda, and Zambia) between 2008 and 2015. In this study, we aimed to assess whether MeTA has had an effect on transparency (defined here as the degree to which access to information is available and citizens are informed about how and why government decisions are made) and accountability in the pharmaceutical sector in the seven pilot countries. Methods We applied case study methods to examine MeTA's efforts to increase transparency and accountability in the seven pilot countries. We reviewed archival data that focused on MeTA Phase II (August, 2011, to December, 2015), although we also noted key events and data from Phase I. We included: country-level semi-annual progress reports, work plans, Department for International Development (DFID) annual review reports, MeTA global meeting notes and presentations, country-level technical study reports, stakeholder forum reports, country policies, and content from web sites and social media. We compared information between countries to identify commonalities and differences in strategies and tactics used to promote MeTA's goals and, where possible, identify how these strategies might link to project results, particularly with regard to improving access to medicines. Findings We found that the pilot countries used special studies and analyses, open meetings, and proactive information dissemination strategies to expand transparency. Additionally, MeTA fostered multistakeholder policy dialogue to bring together different actors to discuss evidence on access to medicines barriers and progress. We found strong evidence that transparency was improved, for example, through the promotion of proactive dissemination strategies by the government, as well as open public meetings to discuss medicines access issues. Furthermore, MeTA's efforts contributed to new policies, such as revised national medicines policies (for example, in Ghana, Kyrgyzstan, and Uganda) and the elimination of taxes on imported raw material for medicines, as happened in Ghana. Interpretation Our study provides evidence that transparency can be improved in the pharmaceutical sector through multistakeholder initiatives, and that increased availability of information, coupled with communications between the various stakeholders, could facilitate progress towards access-to-medicines goals and result in greater government accountability. Longer-term outcomes will depend on the sustainability of initiatives, which is furthered predominantly through country ownership of such programmes, and specific actions to promote transparency in the pharmaceutical sector as good practice and clarify how information is used to hold institutions and leaders accountable for performance. Funding World Health Organization through a grant from the UK Department for International Development.

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)0,149
score de la tête « metaresearch » (Gemma)0,333
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,851
Score d'incertitude au seuil0,786

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1490,333
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,006
Études des sciences et des technologies0,0030,008
Communication savante0,0100,014
Science ouverte0,0020,011
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,362
Tête enseignante GPT0,434
Écart entre enseignants0,072 · 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.

Devis d'étudeObservationnel
DomaineÉvaluation
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Lancet Global HealthMême sujetPharmaceutical Economics and PolicyTravaux en français237 207