MétaCan
Menu
Retour à la cohorte
Enregistrement W4412489225 · doi:10.1515/cclm-2025-0651

Can Theranos resurrect from its ashes?

2025· article· en· W4412489225 sur OpenAlexaff
Miyo K. Chatanaka, Eleftherios P. Diamandis, Mario Plebani

Notice bibliographique

RevueClinical Chemistry and Laboratory Medicine (CCLM) · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueHealth and Medical Research Impacts
Établissements canadiensSinai Health SystemLunenfeld-Tanenbaum Research InstituteMount Sinai HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPublicationValuation (finance)Competition (biology)PrisonPharmacyManagementEngineeringBusinessPolitical scienceAccountingEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Theranos was a biotechnology company which, in the 2010s, promised to revolutionize traditional clinical chemistry testing by using novel technology, microvolumes of blood obtained by finger pricks, and performance of tests outside traditional clinical chemistry laboratories, such as in pharmacies. Theranos did not publish any details of their technology, nor sought to evaluate it independently. Despite this, it attracted millions of dollars of investments, and at a point, its market valuation reached $9 billion. Around 2015 the Theranos business practices and technology were scrutinized and it was revealed that they misled investors, doctors, and patients by falsely claiming of using their own technology, when in fact, they were using traditional clinical chemistry analyzers. The leaders of Theranos are now serving prison time. This year it was announced that a new effort is underway, by people who are related to Theranos, to start a new company, with objectives that partially overlap with those of the old company. Here, we comment on these new developments, with the hope that the lessons learned from the past will guide the new leaders to find success while mentioning that some new developments in the field will likely pose formidable competition.

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)0,011
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,982
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,026
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,010
Communication savante0,0140,018
Science ouverte0,0020,004
Intégrité de la recherche0,0180,023
Charge utile insuffisante (le modèle a refusé de juger)0,0310,012

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 Opus0,148
Tête enseignante GPT0,491
Écart entre enseignants0,343 · 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.

Devis d'étudeSans objet
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Chemistry and Laboratory Medicine (CCLM)Même sujetHealth and Medical Research ImpactsTravaux en français237 207