MétaCan
Menu
Back to cohort
Record W2613324854 · doi:10.7202/1038917ar

Facteurs influençant la régulation des essais cliniques au Mali

2017· article· fr· W2613324854 on OpenAlexvenueno aff
Diadié Maïga, Lise Lamothe, Bryn Williams–Jones, Régis Blais

Bibliographic record

VenueRevue Gouvernance · 2017
Typearticle
Languagefr
FieldMedicine
TopicEthics in Clinical Research
Canadian institutionsnot available
Fundersnot available
KeywordsPolitical scienceHumanitiesPhilosophy

Abstract

fetched live from OpenAlex

Depuis 2005, le Mali participe à des activités de renforcement des autorités nationales de réglementation (ANR) initiées par l’OMS en vue d’une bonne régulation des essais cliniques. Malgré cette participation, il y a peu de régulation des essais et cette faiblesse s’explique en partie par un manque d’appropriation des mesures par les autorités nationales. Ainsi, il semble essentiel de comprendre quels facteurs influencent la régulation des essais cliniques, aspect encore peu étudié. En utilisant un cadre analytique basé sur la théorie néo-institutionnelle, cette étude qualitative à visée exploratoire, a été réalisée à partir d’entrevues semi-dirigées avec les ANR, les comités d’éthique, des chercheurs, des administrateurs, des praticiens hospitaliers et d’examens documentaires. Les résultats montrent que la configuration du champ organisationnel et la position des pouvoirs publics dans ce champ apparaissent essentiels à la compréhension des facteurs qui influencent la régulation des essais cliniques. La prépondérance des barrières à la régulation des essais, associée à l’incapacité des pouvoirs publics de renforcer la régulation et la faible structuration du champ organisationnel, plaident en faveur d’une réforme intégrale plutôt que pour l’adoption de mesures partielles comme, par exemple, les revues et inspections conjointes d’essais cliniques promues par l’OMS.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.006
metaresearch head score (Gemma)0.065
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMetaresearch, Meta-epidemiology (narrow), Science and technology studies, Research integrity, Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.135
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0060.065
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.000
Science and technology studies0.0010.003
Scholarly communication0.0000.001
Open science0.0010.001
Research integrity0.0010.003
Insufficient payload (model declined to judge)0.0000.001

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.

Opus teacher head0.449
GPT teacher head0.571
Teacher spread0.122 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2017
Admission routes1
Has abstractyes

Explore more

Same venueRevue GouvernanceSame topicEthics in Clinical ResearchFrench-language works237,207