Canadian cannabis researcher perspectives on the conduct and sponsorship of scientific research by the for-profit cannabis industry
Notice bibliographique
Résumé
There has been considerable financial investment by the for-profit cannabis industry to conduct research on cannabis in Canada. Similar to peer industry counterparts such as the pharmaceutical, alcohol, tobacco, and food industries, there is evidence that for-profit cannabis companies are financially sponsoring research programs and researchers as well as non-financially, such as donating products. However, a large body of research has established that researchers' financial relationships with industries may influence research agendas, outcomes, lead to conflicts of interest, and bias the evidence base. Within a complex, emerging context of legalization, there is limited information on how cannabis researchers negotiate their relationships with the for-profit cannabis industry in Canada. Following a qualitative phenomenological methodology informed by moral experience for bioethics research, we conducted 38 semi-structured interviews with academic researchers, peer researchers, and clinicians with relevant perspectives about Canadian cannabis companies' research activities. We used a codebook approach to thematic analysis which generated three central themes: Navigating Systemic Barriers to Conduct Research; Impressions and Influences; and Guiding Principles for an Ethical Research Process. Our findings suggest that Canadian cannabis researchers tend to be morally ambivalent about cannabis industry sponsorship of research: they are motivated to conduct high quality research and generate evidence for population health benefit, yet they have concerns over the potential for research agenda bias created by these relationships which could be harmful to population health. Participants spoke how they relied heavily on personal values and individual strategies (transparency, value alignment, arms-length association, independence) to determine how they manage cannabis industry relationships. Our findings highlight how the issue of industry-academic relationships is a structural problem, thus individual-level solutions without attention to the relationship itself will only deepen ethical worries about industry-sponsored research.
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 | 0,057 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,060 | 0,048 |
| Communication savante | 0,018 | 0,004 |
| Science ouverte | 0,004 | 0,013 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».