MétaCan
Menu
Retour à la cohorte
Enregistrement W3135357749 · doi:10.3389/frma.2021.614013

Epistemic Corruption, the Pharmaceutical Industry, and the Body of Medical Science

2021· article· en· W3135357749 sur OpenAlexaff
Sergio Sismondo

Notice bibliographique

RevueFrontiers in Research Metrics and Analytics · 2021
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmaceutical industry and healthcare
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésLanguage changeLegitimacyPharmaceutical industryOddsEpistemic communityMedical scienceConflict of interestBusinessPolitical sciencePublic relationsLaw and economicsSociologyEpistemologyLawComputer sciencePoliticsMedicinePhilosophy

Résumé

récupéré en direct d'OpenAlex

. Epistemic corruption often occurs because the system has been co-opted for interests at odds with some of the central goals thought to lie behind it. There is now abundant evidence that the involvement of pharmaceutical companies corrupts medical science. Within the medical community, this is generally assumed to be the result of conflicts of interest. However, some important ways that the industry corrupts are not captured well by standard analyses in terms of conflicts of interest. It is not just that there is a body of medical science perverted by industry largesse. Instead, much of the corruption of medical science via the pharmaceutical industry happens through grafting activities: Pharmaceutical companies do their own research and smoothly integrate it with medical science, taking advantage of the legitimacy of the latter.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,026
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,711
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0260,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,005
Études des sciences et des technologies0,0010,009
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,007
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,645
Tête enseignante GPT0,645
Écart entre enseignants0,000 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations48
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Research Metrics and AnalyticsMême sujetPharmaceutical industry and healthcareTravaux en français237 207