MétaCan
Menu
Retour à la cohorte
Enregistrement W2917708293 · doi:10.1146/annurev-genom-083118-015112

International Divergence in Gene Patenting

2019· review· en· W2917708293 sur OpenAlexaffabout
Dianne Nicol, Rochelle Cooper Dreyfuss, E. Richard Gold, Wei Li, John Liddicoat, Geertrui Van Overwalle

Notice bibliographique

RevueAnnual Review of Genomics and Human Genetics · 2019
Typereview
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIntellectual Property and Patents
Établissements canadiensMcGill University
Organismes subventionnairesNovo Nordisk Fonden
Mots-clésDivergence (linguistics)Context (archaeology)ConventionPolitical sciencePatentable subject matterPatent lawGeographyLawIntellectual propertyPatentability

Résumé

récupéré en direct d'OpenAlex

This review explores the recent divergence in international patent law relating to genes and associated subject matter. This divergence stems primarily from decisions of the highest courts in the United States and Australia on the eligibility of patent claims relating to the BRCA gene sequences. Patent offices, courts, and policy makers have struggled for many years to clearly articulate the bounds of patent claims on isolated and synthetic DNA and related products and processes, including methods for their use in genetic diagnostics. This review provides context to the current divergence by mapping key events in the gene patent journey from the early 1980s onward in five key jurisdictions: the United States, the member states of the European Patent Convention, Australia, Canada, and China. Early approaches to gene patenting had some commonalities across jurisdictions, which makes exploration of the recent divergence all the more interesting.There is insufficient empirical evidence to date to confidently predict the consequences of this recent divergence. However, it could potentially have a significant effect on local industry and on consumer access.

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)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants1,000
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0000,002
Communication savante0,0030,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,153
Tête enseignante GPT0,304
Écart entre enseignants0,151 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Genomics and Human GeneticsMême sujetIntellectual Property and PatentsTravaux en français237 207