MétaCan
Menu
Retour à la cohorte
Enregistrement W6996783321

Tests de lisibilité des notices patient dans l'industrie pharmaceutique (aspects réglementaires, contraintes et opportunités)

2010· other· fr· W6996783321 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpenGrey (Institut de l'Information Scientifique et Technique) · 2010
Typeother
Languefr
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNoticeVettingContext (archaeology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La notice d'un médicament est le seul lien direct entre l'industriel et les patients et représente la source principale d'information, reflet de l'Autorisation de Mise sur le Marché (AMM). En France, la notice est très réglementée. Elle répond à des exigences européennes et nationales pour un bon usage du médicament. Les associations internationales de patients sont très actives et font pression pour avoir des notices accessibles et de qualité. Le développement de notices plus lisibles et plus structurées répond donc également à un besoin politique de communication et de transparence. Les tests de lisibilité sont devenus obligatoires en octobre 2005 pour les procédures d'enregistrement européennes et en mai 2008 pour les renouvellements d'AMM en procédure nationale. La 1ère partie de cette thèse présente les textes réglementaires relatifs au contenu, à la mise en page des notices et aux tests de lisibilité. Dans le cadre d'une mission au sein de Sanofi Pasteur, j'ai suivi différents tests de lisibilité. Ces tests étant généralement réalisés par des sous-traitants spécialisés, la sélection de ces sous-traitants et les contraintes rencontrées sont décrites dans la seconde partie de cette thèse. Enfin, 2 cas pratiques de tests sont analysés dans la dernière partie ; les notices européennes sont ensuite comparées aux "notices" américaines et canadiennes, mettant ainsi en évidence le bénéfice des tests de lisibilité en Europe.

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)0,010
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,029
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0220,007

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 Opus0,031
Tête enseignante GPT0,289
Écart entre enseignants0,259 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpenGrey (Institut de l'Information Scientifique et Technique)Même sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207