Role of global public sector research in discovering new drugs and vaccines
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
Analysis of international public-sector contributions to Food and Drug Administration (FDA)-approved drugs and vaccines allows for a more thorough examination of the global biomedical innovation ecosystem by institution of origin. Using new and existing methods, we have identified 364 FDA-approved drugs and vaccines approved from 1973 to 2016 discovered in whole or in part by Public Sector Research Institutions (PSRIs) worldwide. We identified product-specific intellectual property contributions to FDA-approved small molecule and biologic drugs and vaccines from the FDA Orange Book, our peer network, published studies, and three new sources: reports of medical product manufacturers' payments to physicians and teaching hospitals under The Sunshine Act of 2010, a paper by Kneller and 64 royalty monetization transactions by academic institutions and/or their faculty that one of us (AS) maintains. We include a total of 293 drugs discovered either wholly by a US PSRI or jointly by a U.S. and a non-U.S. PSRI. 119 FDA-approved drugs and vaccines were discovered by PSRIs outside the U.S. Of these, 71 were solely discovered outside the US, while 48 also involved intellectual property contributions by US PSRIs. In the context of the global public sector landscape, the US dominates drug discovery, accounting for two-thirds of these drugs and many of the important, innovative vaccines introduced over the past 30 years. Contributions by Canada, UK, Germany, Belgium, Japan, and others each amount to 5.4% or less of the total. Supplementary Information: The online version contains supplementary material available at 10.1007/s10961-023-10007-z.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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