Accountability in global health systems: insights from a network analysis of Purdue Pharmaceuticals
Notice bibliographique
Résumé
Beginning in 1996, Purdue Pharmaceuticals (Purdue) knowingly mislabeled and mass marketed OxyContin (oxycodone), an opioid painkiller, catalyzing the opioid crisis which has been responsible for more than 600 000 deaths in and beyond North America. This case is an extreme example of how transnational pharmaceutical companies prioritize shareholder profits over public wellbeing. As such, the field of global health faces the critical challenge of better understanding how transnational pharmaceutical companies, like Purdue, can be held to account for the harms they cause. Within the framework of Actor-Network Theory, a sociomaterial approach to analyzing complex networks, this case study uses key informant interviews (n = 18) to examine how accountability is taken up in and by global health systems in response to the harms caused by Purdue. Findings highlight the multiple co-existing versions of accountability enacted within global health systems organized as three separate but interrelated networks: social accountability, political accountability, and legal accountability. Though often interconnected, these diverse networks mobilized distinct tools, resources, and strategies, such as news articles, scholarly literature, and policy guidelines, to construct and stabilize enactments of accountability. Through this in-depth examination of the complex interactions involved in global health and pharmaceutical systems, this study offers a nuanced understanding of the diverse actors mobilized and the unique strengths leveraged within and by accountability networks. Further, in examining these networks' differences, interconnectedness, and peculiarities, we broaden the scope of how accountability is defined, conceptualized, and operationalized in global health systems.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».