Contributions to the American Society of Hematology Meeting From Low- and Middle-Income Countries: An In-Depth Analysis and Call to Action
Notice bibliographique
Résumé
PURPOSE: Establishing research capacity in low- and middle-income countries (LMICs) is key for improving the outcomes of patients with hematologic diseases globally. Few studies have analyzed the contributions of LMICs to global hematology. The American Society of Hematology Meeting (ASH) is the largest international academic event where peer-reviewed contributions in our field are presented. METHODS: In this cross-sectional analysis, all abstracts accepted to ASH 2018 selected for a poster or oral presentation were reviewed. Those that had a contributing author from an LMIC were identified. The proportion of LMIC abstracts across categories was analyzed. Country of origin, high-income country participation, the presence of a conflict of interest (COI), and sponsorship were determined. RESULTS: From 4,871 abstracts reviewed, 506 had a contributing author from an LMIC (10.4%), with 277 (54.7%) contributions in partnership with a high-income country. LMIC-independent contributions corresponded to 19 of 1,026 oral abstracts (1.9%) and 209 of 3,845 posters (5.4%). Most abstracts from LMICs were clinical (n = 311; 61.5%) and multicentric in nature (n = 353; 69.8%). COI statements with the pharmaceutical industry were common (n = 214; 42.3%). Collaboration between LMICs was infrequent (n = 33; 6.5%). Upper-middle-income countries had 466 participations (81.5%), in comparison with 96 (16.8%) in low-middle-income and 10 (1.7%) in low-income countries. CONCLUSION: LMICs were responsible for a small fraction of abstracts at ASH18; low-income countries were practically absent. Almost half of accepted works represented a form of international collaboration, with clinical, multicenter studies predominating and COI disclosures a frequent and unexpected feature, reflecting the instrumental nature of LMIC participation and a lack of independent, robust, locally developed hematology research.
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 | 0,089 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».