Perspectives on the Influence of Pharmaceutical and MedTech Companies on Deprescribing Decisions and Conference Sponsorship: A Survey Study
Notice bibliographique
Résumé
BACKGROUND: The involvement and sponsorship of pharmaceutical and medical technology (MedTech) companies in deprescribing and medication optimization activities raise questions about conflicts of interest. We surveyed registrants and attendees of previous International Conferences on Deprescribing to explore views on the acceptability and impact of such involvement and sponsorship. METHODS: We conducted two unlinked, anonymous cross-sectional surveys among all participants of the 2022 and 2024 International Conferences on Deprescribing (376 unique email addresses). The first survey addressed pharmaceutical companies; the second focused on MedTech. Quantitative data were analysed descriptively. Free-text responses were analysed thematically. FINDINGS: The response rate was 33% (n = 116/355) for the pharmaceutical survey and 20% (n = 68/335) for the MedTech survey. Trust in deprescribing information was low for pharmaceutical companies, with 52% reporting distrust (n = 47/91). Trust was somewhat higher for MedTech companies, with 27% expressing distrust (n = 14/52). Forty-eight percent (n = 42/87) said they would be less likely to attend an international deprescribing conference with pharmaceutical sponsorship versus 26% (n = 13/49) for MedTech. Among clinicians and clinician-scientists who completed the survey, 27% (n = 18/67) said pharmaceutical companies, and 27% (n = 10/37) said MedTech companies, somewhat or very much influence their deprescribing decisions. CONCLUSIONS: Despite broad scepticism about private-sector involvement and sponsorship of deprescribing activities, views varied.
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 | 0,015 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».