Régimes thérapeutiques et dispositifs de preuve en oncologie : l’organisation des essais cliniques, des groupes coopérateurs aux consortiums de recherche
Bibliographic record
Abstract
À partir d'une analyse empirique du développement de l'oncologie médicale, et en particulier des essais cliniques, au cœur de ces pratiques, cet article examine la question du lien entre innovation organisationnelle et innovation épistémique.Il explore comment les régimes thérapeutiques déployés par les cancérologues comptent parmi les actants principaux du style de pratique centré sur la performance d'essais cliniques, sans que l'on puisse dire si ces régimes relèvent du domaine de la connaissance ou de celui de l'organisation.L'article introduit la notion de regimen pour dépasser la distinction organisation-cognition.À près de 50 ans de distance, des solutions différentes, bien que reliées par une dépendance du sentier, on été mise en place en réponse à un même problème -l'accélération des échanges entre clinique et laboratoire.Nous sommes confrontés dans les deux cas à des réseaux sociotechniques très différents dont il faut prendre en compte la composition, ce que permet la notion de regimen.Notre étude est centrée sur l'oncologie, mais la notion de regimen pourrait offrir dans d'autres domaines une alternative à des notions comme celle de communautés épistémiques, et contribuer ainsi au dépassement de la distinction entre objets et pratiques.À partir d'une analyse empirique du développement de l'oncologie médicale, et en particulier des essais cliniques qui sont au cœur d'une telle pratique, cet article examine la question du lien entre innovation organisationnelle et innovation épistémique. 1 Plus précisément, nous nous intéressons à l'organisation en tant que composante des pratiques scientifiques : il s'agit, en d'autres termes, d'explorer le caractère mutuellement constitutif des modalités d'organisation et des pratiques scientifiques, en reprenant le postulat exprimé domaine statique !Après avoir exploré la configuration simultanément épistémique et organisationnelle des premières décennies de la recherche clinique sur le cancer, nous rendrons compte de ses transformations récentes.Plutôt que d'opposer la modélisation statique d'une configuration sociotechnique à l'analyse de la dynamique du domaine, nous considérons que ces deux éléments participent d'un même cadre analytique lorsqu'on prend en considération l'alternance entre le cadrage fourni par les régimes et les débordements qui résultent de leur déploiement (Callon, 1998 ;2002).Avant de mieux expliciter cet argument, il nous faut apporter quelques premières précisions empiriques. Les groupes coopérateurs comme organisations épistémiquesAlors que les noms des centres de traitement du cancer, du moins des plus prestigieux d'entre eux (comme par exemple l'Institut Gustave-Roussy en France, ou le Memorial Sloan-Kettering aux Etats-Unis) sont bien connus du grand public, peu de lecteurs sont familiers avec des acronymes tels que ECOG, CALGB, SWOG, ou EORTC 2 .Et pourtant, ces sigles un peu barbares renvoient à des institutions connues sous le nom générique de « groupes coopérateurs » (dans ce qui suit : les Groupes) qui, en parallèle avec les centres hospitaliers, ont contribué de façon décisive au cours des dernières décennies à 2 Ces acronymes correspondent aux noms suivants : Eastern Cooperative Oncology Group, Cancer and Leukemia Group B, Southwest Oncology Group, et European Organisation for Research and Treatment of Cancer.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.041 | 0.050 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.004 | 0.011 |
| Scholarly communication | 0.012 | 0.008 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".