Sponsorship of Australian and New Zealand medical societies by healthcare companies: an observational study
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
Objectives: To examine sponsorship of Australian and New Zealand medical societies by healthcare companies and whether societies have policies to deal with conflicts of interest. Design: Cross-sectional study conducted in March 2022. Setting: Australia and New Zealand. Participants: Medical societies in both countries. Main outcome measures: The percent of medical societies that list sponsorship from healthcare companies on either their home webpages or the webpages of their annual meetings and/or that issue prospectuses to potential sponsors. The percent of societies with sponsorship that also have policies about their interactions with their sponsors. Whether societies feature their sponsors' logos on their webpages and have hyperlinks to sponsors' webpages and what percent of societies' annual revenue comes from sponsorships. Results: Ninety-two medical societies were identified. Sixty-two had healthcare company sponsorship and 10 of the societies with sponsorship had policies to deal with interactions with their sponsors. Fifty-four societies displayed the logos of their sponsors on their home webpages and/or the webpages of their annual meetings. Only 6 societies provided enough information to calculate what percent of their revenue comes from sponsorships. For 5 of the 6 the percent was well below 50%. Conclusions: The acceptance of sponsorships from healthcare companies by Australian and New Zealand societies is common and few societies have policies to deal with these relationships. In general, societies appear to get only a small percent of their annual revenue from sponsorships.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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