Payments by Drug and Medical Device Manufacturers to Society of Urologic Oncology Fellowship Program Directors
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
INTRODUCTION: This study aims to characterize payments by drug and medical device manufacturers to current program directors (PDs) of the Society of Urologic Oncology (SUO)-accredited fellowship programs in the United States. METHODS: PDs were identified from SUO fellowship websites as of February 2024. Demographic data, educational background, and scholarly metrics were collected through an online search. Industry payments to SUO PDs from 2014 to 2023 were extracted from the Open Payments database. Descriptive statistics were used to summarize PD characteristics and industry payment details. Univariable linear regression was used to assess the association of PD characteristics or scholarly metrics with payments. RESULTS: Fifty-one PDs from 37 SUO fellowship programs were identified. PDs were predominantly men (94%) and mid career. In aggregate, over the study period, PDs received US dollars ($) 18,963,555 in industry payments over 10 years. Most payments were for associated research funding ($15,490,525, 81.6%; median [IQR] per PD recipient, $126,584 [$36,565-$706,516]; 1262 payments). General payments accounted for a total of $3,473,030 (18.3%; median [IQR] per PD, $10,345 [$2196-$49,180]). SUO PDs received $120,763 (0.6%) for education fees. No association was found between PD characteristics or research metrics and industry payments. CONCLUSIONS: PDs of SUO fellowships receive significant industry payments, surpassing those received by the average urologist. Most of these payments are allocated to research, with smaller proportions directed to general support and educational initiatives.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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