Jeremy A. Greene, Flurin Condrau, and Elizabeth Siegel Watkins, eds. Therapeutic Revolutions: Pharmaceuticals and Social Change in the Twentieth Century
Notice bibliographique
Résumé
In 1922, fourteen-year-old diabetic Leonard Thompson received the first injections of insulin at Toronto General Hospital. The medication was life-saving and meant that juvenile diabetes (now called type-1 diabetes) was no longer a death sentence. As long as patients had access to insulin, they could live relatively normal, healthy lives. A genuine therapeutic revolution, perhaps. Yet, a century later, rates of type-2 diabetes have mushroomed and now constitute ninety percent of diabetes cases. Try as they might, pharmaceutical companies have no magic bullet for type-2 diabetes, leaving lifestyle adjustments as the primary intervention. So, what story is the most telling? Which narrative conveys most about how to tackle disease in the twenty-first century? These are just some of the themes explored in Therapeutic Revolutions, a compelling attempt to unpack exactly what has been revolutionary about modern medicine. The volume’s chapters combine history, anthropology, sociology, and science studies, including a number of contributors who work at the intersection of medicine and social science. At a time when the term “interdisciplinary” is wheeled out in academia almost as often as the term “revolutionary,” the editors should be commended for putting together a volume that is much more than the sum of its parts. In that spirit, rather than commenting on each chapter, I will focus on some of the book’s key themes.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,010 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».