MétaCan
Menu
Retour à la cohorte
Enregistrement W4387874083 · doi:10.1186/s12916-023-03113-0

A 10-year update to the principles for clinical trial data sharing by pharmaceutical companies: perspectives based on a decade of literature and policies

2023· article· en· W4387874083 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBMC Medicine · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueEthics in Clinical Research
Établissements canadiensUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesCancer Council South AustraliaNational Health and Medical Research CouncilHealth Canada
Mots-clésData sharingMedicineTransparency (behavior)Scope (computer science)Multidisciplinary approachClinical trialHealth careData managementProcess (computing)Pharmaceutical industryKnowledge managementPublic relationsAlternative medicineComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Data sharing is essential for promoting scientific discoveries and informed decision-making in clinical practice. In 2013, PhRMA/EFPIA recognised the importance of data sharing and supported initiatives to enhance clinical trial data transparency and promote scientific advancements. However, despite these commitments, recent investigations indicate significant scope for improvements in data sharing by the pharmaceutical industry. Drawing on a decade of literature and policy developments, this article presents perspectives from a multidisciplinary team of researchers, clinicians, and consumers. The focus is on policy and process updates to the PhRMA/EFPIA 2013 data sharing commitments, aiming to enhance the sharing and accessibility of participant-level data, clinical study reports, protocols, statistical analysis plans, lay summaries, and result publications from pharmaceutical industry-sponsored trials. The proposed updates provide clear recommendations regarding which data should be shared, when it should be shared, and under what conditions. The suggested improvements aim to develop a data sharing ecosystem that supports science and patient-centred care. Good data sharing principles require resources, time, and commitment. Notwithstanding these challenges, enhancing data sharing is necessary for efficient resource utilization, increased scientific collaboration, and better decision-making for patients and healthcare professionals.

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.

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaMétarechercheScience ouverte
Domaine: Reproductibilité · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnelhigh
gptMétarechercheCommunication savanteScience ouverte
Domaine: Reproductibilité · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Théorique ou conceptuelmedium
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,129
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,334
Score d'incertitude au seuil0,878

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,129
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,812
Tête enseignante GPT0,676
Écart entre enseignants0,136 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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