Industry funding of patient groups: a systematic review
Notice bibliographique
Résumé
Abstract Background Patient groups play an important role in health care and policy. Concerns have been raised about the financial ties between the pharmaceutical industry and patient groups, because of potential threats to the groups' independence. We conducted a systematic review to synthesise studies that explored pharmaceutical or medical device industry funding of patient groups. Methods We searched Medline, Embase, Web of Science, Scopus and Google Scholar (from inception to January 2018). We included observational studies reporting at least one of the following outcomes: prevalence of industry funding; proportion of industry funded patient groups which disclosed information about this funding; association between industry funding and organisational positions on health and policy issues. We carried out duplicate independent data extraction and assessed study quality. Results 26 cross-sectional studies were included. Fifteen studies assessed the prevalence of industry funding, which ranged from 20% (12/61) to 83% (86/104). The proportion of patient groups which disclosed funding information on their websites was low (27% [95% CI: 24%-31%]). Few patient groups had formal policies governing corporate sponsorship (range from 2% (2/125) to 64% (175/274)). Among the few studies examining funding status versus organisational position, industry sponsored groups tend to hold positions consistent with sponsors' interests. Conclusions We found widespread indications of industry funding of patient groups. Transparency of funding is inadequate and the prevalence of policies governing corporate sponsorship is low. Research on policy impact is still limited. Considering the important role that patient groups play in health, strategies to prevent biases that may favour commercial interests above those of patients need to be implemented. Key messages Industry funding of patient groups is common in high income countries. Transparency of funding is inadequate and the prevalence of policies governing corporate sponsorship is low. Considering the important role that patient groups play in health care and policy, strategies to prevent biases that may favour commercial interests above those of patients need to be implemented.
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 | 0,029 | 0,138 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,013 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».