The ratio of vision to data: Promoting emergent science and technologies through promissory regulation, the case of the <scp>FDA</scp> and personalised medicine
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Pharmacogenetic tests provide genetic data to tailor drug treatment and were widely predicted to be one of the first fruits of the Human Genome Project. In the mid‐2000s, the US Food and Drugs Administration (FDA) became an advocate for pharmacogenetic testing, but its efforts to build a market for this new technology brought the agency into dispute with other regulatory actors over the type of evidence needed for the adoption of pharmacogenetic testing, in particular the importance of randomized control trials. The warfarin case highlights the tension between a new form of promissory regulation driven by future expectations and FDA's established role as protector of public health; and the controversy can be conceptualized as a struggle over regulatory epistemologies within a complex polycentric regulatory space. Our case study addresses two themes central to the burgeoning scholarship on the governance of emergent science and technologies (EST): the political economy of regulation, in particular the role that regulators play in creating markets for EST; and the epistemological politics of regulatory science, in particular the controversy that arises when regulators modify scientific standards to accommodate EST. Linking these two themes is the concept of promissory regulation: the idea that regulatory policy may be shaped by an institutional commitment to the transformational potential of EST. This concept sheds new light on the neo‐mercantilist nature of contemporary regulatory capitalism.
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.
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 | 0,008 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 découle