The risk of corruption in public pharmaceutical procurement: how anti-corruption, transparency and accountability measures may reduce this risk
Notice bibliographique
Résumé
Background: The goal of the public procurement of pharmaceuticals is to purchase sufficient quantities of high-quality pharmaceuticals at cost-effective prices for a given population. This goal can be undercut if corruption infiltrates the procurement process. Good procurement practices can help mitigate the risks of corruption and support equitable access to affordable and high-quality medicines.Objectives: This paper aims to 1) examine manifestations of corruption in the pharmaceutical procurement process and key factors behind them, and 2) identify how to design and implement effective anti-corruption, transparency and accountability mechanisms within this process.Methods: This paper was informed by a narrative literature review from 1996 to the present. The search focused on publications that addressed the issue of pharmaceutical procurement and governance and corruption issues. Our search included peer-reviewed literature, books, grey literature such as working papers, reports published by international organizations and donor agencies, and some media articles. Some documents used in this paper were already known to the authors.Results: Procurement is highly vulnerable to corruption particularly in the health sector. What is more, corruption in the procurement process does not appear to be limited to any one level of government or type of health system. The better integration of accountability, transparency and anti-corruption mechanisms in the procurement process is needed to reduce the risk of corruption.Conclusions: Lessons learned suggest that anti-corruption, transparency and accountability mechanisms in the pharmaceutical procurement process, such as open contracting and integrity pacts are helpful towards reducing the risk of corruption.
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 | 0,031 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,016 |
| Communication savante | 0,020 | 0,016 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».