Information mining in patent filings on injectable antineoplastics as a contribution to Health Policy
Notice bibliographique
Résumé
Introduction: According to data from the United Nations, cancer is the second leading cause of death in the world. Currently, information management has been increasingly difficult due to the large amount of data to be managed. In general, the databases that store patent documents make it possible to read them in full, but do not allow the extraction and treatment of large amounts of data. In this sense, it is necessary to use management software. Objective: To identify, extract, process the data, organize, and make available, in the form of graphical interfaces, the technological information on injectable oncology described in the current patents. Methodology: Patents deposited between January 2002 and July 2022 were analyzed using the ORBIT Intelligence® platform. In the “Advanced Search” field, the “Title, Abstract” filters were applied and the search terms: “injectable AND cancer” were used. Results and Discussion: 115 patent families were identified. The USA stands out in the number of patent documents filed, presenting a total of 56 documents. Inventors Ivan Edward Hofman, Farber Michael, Franco Rodriguez Guillermo and Gutierro Aduriz Ibon were the most productive, each with 3 documents deposited. The institutions Bespoke Bioscience (USA), Immunocore Holdings (United Kingdom) and Mountain Valley MD Holding (Canada) stood out, each holding 3 documents. In the documents analyzed, the most recurrent technological domain went beyond the "pharmaceutical" technological domain, which obtained 109 documents and others such as chemical, biological, electrical, micro and nanotechnology. Final Considerations: The results obtained by mining the data extracted from patent documents proved to be efficient and, can be useful as an effective tool to analyze, compare and monitor research and innovation activities in injectable oncology.
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 | 0,012 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,027 | 0,031 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».