MétaCan
Menu
← Retour à la cohorte
Enregistrement W7025247148

Where There’s Smoke, There’s Pfizer

2018· article· en· W7025247148 sur OpenAlexaboutno aff

Notice bibliographique

RevueeYLS (Yale Law School) · 2018
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmaceutical industry and healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBioethicsConflict of interestOfficerPublic interestMedical ethicsPublic health
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In 2009, Bernard Prigent (Vice President and Medical Director of Pfizer Canada and registered Pfizer lobbyist), became a member of CIHR’s Governing Council. At that time, Prigent’s job included influencing the allocation of health research dollars and CIHR was among the target organizations. Concerns about Prigent's conflict of interest were raised within and outside CIHR. The pivotal question was: can a senior officer and lobbyist for Pfizer Canada represent the public interest as a member of the Governing Council of an organization he is paid to influence? When they heard about Prigent’s appointment, Baylis and Downie tried to get the appointment decision reversed. They communicated with the CIHR Ethics Office, CIHR Ethics Designates, CIHR Standing Committee on Ethics, as well as the ethics member of the CIHR Governing Council. When this was ineffective, they launched a public petition addressed to the government. They attempted to generate public engagement through national media. One of them appeared before the Parliamentary Standing Committee on Health arguing that the appointment represented an unmanageable conflict of interest and should be reversed. Unfortunately, these interventions were not successful and Prigent remained on the Governing Council. Here, Baylis and Downie reflect on lessons learned about bioethics advocacy through this case.

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)0,004
score de la tête « metaresearch » (Gemma)0,011
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: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0130,006
Communication savante0,0090,008
Science ouverte0,0010,002
Intégrité de la recherche0,0190,023
Charge utile insuffisante (le modèle a refusé de juger)0,0260,007

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 Opus0,252
Tête enseignante GPT0,482
Écart entre enseignants0,231 · 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
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeYLS (Yale Law School)→Même sujetPharmaceutical industry and healthcare→Travaux en français237 207→