MétaCan
Menu
Retour à la cohorte
Enregistrement W4407022977 · doi:10.1080/19460171.2025.2457529

A critique of the moral economy of pharmaceutical development

2025· article· en· W4407022977 sur OpenAlexafffund
Jonathan Kimmelman

Notice bibliographique

RevueCritical Policy Studies · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiquePharmaceutical Economics and Policy
Établissements canadiensMcGill University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMoral economyEconomicsEconomic systemNeoclassical economicsPolitical sciencePositive economicsSociologyLawPolitics

Résumé

récupéré en direct d'OpenAlex

Drug development is widely recognized as risky, time consuming, and costly for pharmaceutical firms. Less widely appreciated is the fact that nonhuman animals and patients also bear risks and costs for pharmaceutical development. I argue that by participating in studies, nonhuman animals and patients commit some (or for nonhuman animals, all) of their welfare and labor to drive this process forward. I further argue that this commitment of welfare and labor is rendered invisible by discourses that present trial participation to patients as medical opportunity, despite evidence and principled reasons suggesting the contrary. This subsidy of welfare and labor, though nominal to moderate on a per patient basis, is significant when aggregated across patients and clinical trials and considered alongside nonhuman animal use. I close by arguing that this subsidy is grounded on defective consent, and that it generates two strong claims on researchers and states overseeing the research. The first is an obligation to economize on nonhuman animal and patient welfare and labor by conducting research efficiently. The second is an obligation to align drug development and policy with the aspirations that motivate the use of nonhuman animals and the motivations of patients in this endeavor.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,042
score de la tête « metaresearch » (Gemma)0,056
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,221

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0420,056
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,083
Communication savante0,0120,012
Science ouverte0,0030,006
Intégrité de la recherche0,0150,018
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,155
Tête enseignante GPT0,426
Écart entre enseignants0,271 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCritical Policy StudiesMême sujetPharmaceutical Economics and PolicyTravaux en français237 207