An economy of immunity: The racial‐spatial lives of antibodies in the American blood plasma economy from 1960s prisons to COVID‐19
Notice bibliographique
Résumé
Abstract In 2020, a market in convalescent blood plasma developed as a potential treatment for COVID‐19. During this time, commercial plasma centres—which collect the blood plasma from paid donors for pharmaceutical production—paid recovered patients as much as US$100 for a donation of blood plasma containing COVID‐19 antibodies, from which they manufactured an experimental treatment. This paper uses the commercial collection of COVID‐19 antibodies found in plasma as an entry point into exploring how racially uneven exposures to disease may produce biovalue. The first section considers the spatial history of antibody‐derived plasma products, using historical research to examine how inmates at predominantly black plantation‐prisons in the US South were valued for antibody production in the 1960s. Against this historical relief, the second section examines the spatiality of antibodies in current practices of the plasma industry, as well as in the plasma industry's response to the COVID‐19 pandemic (even as those efforts eventually failed in clinical trials). If geographical literatures on environmental exposure, as well as on COVID‐19 transmission, discuss exposure as an outcome of racial capitalism, this paper emphasises the productive opportunities that capital can solicit from exposures, especially those that are useful to different forms of biomedicine. By critically scrutinising the practice of ‘sharing immunity’ and attending to its decidedly geographic constitution, we can see how what Ruth Wilson Gilmore calls the ‘death‐dealing logics’ of racial capitalism may also work through the seemingly affirmative practices and communal imaginaries behind the redistribution of antibodies as medicine.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».