R&D during public health emergencies: the value(s) of trust, governance and collaboration
Notice bibliographique
Résumé
In January 2021, Dr Tedros Adhanom Ghebreyesus, director-general of the WHO, warned that the world was 'on the brink of a catastrophic moral failure [that] will be paid with lives and livelihoods in the world's poorest countries'. We are now past the brink. Many high-income countries have vaccinated their populations (which, in some cases, includes third and even fourth doses) and are loosening public health and social measures, while low-income and middle-income countries are struggling to secure enough supply of vaccines to administer first doses. While injustices abound in the deployment and allocation of COVID-19 vaccines, therapies and diagnostics, an area that has hitherto received inadequate ethical scrutiny concerns the upstream structures and mechanisms that govern and facilitate the research and development (R&D) associated with these novel therapies, vaccines and diagnostics. Much can be learnt by looking to past experiences with the rapid deployment of R&D in the context of public health emergencies. Yet, much of the 'learning' from past epidemics and outbreaks has largely focused on technical or technological innovations and overlooked the essential role of important normative developments; namely, the importance of fostering multiple levels of trust, strong and fair governance, and broad research collaborations. In this paper, we argue that normative lessons pertaining to the conduct of R&D during the 2014-2016 Ebola epidemic in West Africa provide important insights for how R&D ought to proceed to combat the current COVID-19 pandemic and future infectious disease threats.
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 | 0,222 | 0,184 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,066 |
| Communication savante | 0,035 | 0,023 |
| Science ouverte | 0,004 | 0,025 |
| Intégrité de la recherche | 0,017 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».