Tackling Pharmaceutical Pollution Along the Product Lifecycle: Roles and Responsibilities for Producers, Regulators and Prescribers
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
Pharmaceuticals produce considerable environmental harm. The industry's resource-intensive nature, coupled with high energy costs for manufacturing and transportation, contribute to the "upstream" harms from greenhouse gas emissions and ecosystem pollution, while factors such as overprescription, overuse, and pharmaceutical waste contribute to the "downstream" harms. Effectively addressing pharmaceutical pollution requires an understanding of the key roles and responsibilities along the product lifecycle. In this commentary, we argue that three actors-producers, regulators, and prescribers-have unique and interdependent responsibilities to address these issues. Producers and market access regulators are upstream actors who can manage and mitigate harms by both shifting manufacturing, business practices, and regulatory requirements and producing transparent, robust data on environmental harms. By contrast, prescribers are downstream actors whose capacity to reduce environmental harms arises principally as a "co-benefit" of reducing inappropriate prescribing and overuse. Potentially complicating the prescriber's role are the calls for prescribers to recommend "environmentally preferable medicines". These calls continue to increase, even with the sparsity of transparent and robust data on the impact of pharmaceuticals on the environment. Recognizing the interdependencies among actors, we argue that, rather than being ineffectual, these calls draw needed attention to the critical responsibility for upstream actors to prioritize data production, reporting standards and public transparency to facilitate future downstream efforts to tackle pharmaceutical pollution.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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