Continuing medical education and pharmaceutical industry involvement: An evaluation of policies adopted by Canadian professional medical associations
Notice bibliographique
Résumé
BACKGROUND: Professional medical associations (PMAs) play a crucial role in providing accredited continuing medical education (CME) to physicians. Funding from the pharmaceutical industry may lead to biases in CME. OBJECTIVE: This study examines publicly available policies on CME, adopted by Canadian PMAs as of December 2015. METHODS: Policies were evaluated using an original scoring tool comprising 21 items, two questions about PMAs' general and CME funding from industry, and three enforcement measures. RESULTS: We assessed 236 policies adopted by Canadian PMAs (range, 0 to 32). Medical associations received summative scores that ranged from 0% to 49.2% of the total possible points (maximum score = 63). Twenty-seven associations received an overall score of 0%. The highest mean scores were achieved in the areas of industry involvement in planning CME activities (mean: 1.1/3), presence of a review process for topics of CME activities (mean: 1.1/3), content review for balanced information (mean: 1.1/3), and responsibility of distribution of funds (mean: 1.0/3). The lowest mean scores were achieved in the areas of awards (mean: 0.0/3), industry personnel, representatives, and employees (mean: 0.1/3), distribution of industry-funded educational materials at CME activities (mean: 0.1/3), and distinction between marketing and educational materials (mean: 0.1/3). CONCLUSION: These results suggest that Canadian PMAs' publicly available policies on industry involvement in CME are generally weak or non-existent; therefore, the accredited CME that is provided to Canadian physicians may be viewed as open to bias. We encourage all Canadian medical associations to strengthen their policies to avoid the potential for industry influence in CME.
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 | 0,012 | 0,014 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».