Industry Relationships With Medical Oncologists: Who Are the High-Payment Physicians?
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
PURPOSE: Many oncologists have relationships with industry. Previous work has shown that these payments are usually modest; however, there exist a subset of medical oncologists who receive more than $100,000 US dollars (USD) annually. Here, we describe the characteristics of these physicians. METHODS: This retrospective cohort study used the Open Payments data set to identify all US-based medical oncologists/hematologists who received $100,000+ USD in general payments linked to cancer medications in 2018. Open Payments and a web-based search were used to identify physician characteristics, demographics, research profile, and leadership positions. RESULTS: One hundred thirty-nine medical oncologists received > $100,000 USD in general payments. The median payment was $154,613 USD, and the total payment was $24.2 million USD. These high-payment physicians represent 1% of all US medical oncologists (N = 10,620) yet account for 37% of all industry payments in 2018. Sixty percent (84 of 139) and 21% (29 of 139) of these high-payment physicians hold hospital and specialty association leadership roles, respectively. One quarter (24%, 33 of 139) serve on journal editorial boards, and 10% (14 of 139) have authored clinical practice guidelines; 72% (100 of 139) hold faculty appointments. CONCLUSION: A small number of medical oncologists receive very high payments from the pharmaceutical industry. These physicians hold major leadership roles within oncology. Further work is needed to understand the extent to which these conflicts of interest may shape clinical practice and policy.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,034 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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