Analyse des glissements juridiques de la politique canadienne en matière de brevets quant à son objectif d'équilibre entre la promotion des intérêts de l'industrie pharmaceutique novatrice et ceux de l'industrie du médicament générique
Bibliographic record
Abstract
Les provinces canadiennes sont présentement aux prises avec des dépenses élevées en\nmatière de médicaments. Afin de contrôler ces dépenses, plusieurs d'entre elles ont\nadopté différentes politiques visant à promouvoir et à accélérer la vente de\nmédicaments génériques, lesquels sont équivalents aux médicaments novateurs mais\nde trente à quarante pourcents moins chers.\nLe gouvernement canadien, en vertu de son pouvoir de réglementation en matière de\nbrevets, pourrait contribuer aux efforts des gouvernements provinciaux en\nassouplissant les règles relatives aux brevets pharmaceutiques pour ainsi promouvoir\nl'accélération de la mise en marché de médicaments génériques. Le gouvernement\nhésite toutefois à le faire en raison de sa politique en matière de brevets\npharmaceutiques dont les effets se veulent équilibrés tant pour l'industrie\npharmaceutique novatrice que pour l'industrie du médicament generique.\nPrécisément, cette politique vise, d'une part, à encourager les investissements en\nrecherche et développement par l'industrie novatrice et, d'autre part, à garantir la\nvente rapide de médicaments génériques au Canada pour que soient contrôlées les\ndépenses en matière de médicaments.\nCe mémoire consiste en un examen du cadre juridique de la politique canadienne en\nmatière de brevets pharmaceutiques. Nous y soulevons et analysons particulièrement\nses glissements, quant à l'objectif d'équilibre recherché de la politique canadienne,\nqui résultent de son application dans le contexte juridique, politique, scientifique et\néconomique actuel. Notre intention est de démontrer que, dans l'intérêt des Canadiens\nà court et à long terme, la politique canadienne en matière de brevets\npharmaceutiques ne doit pas être assouplie en faveur de l'industrie du médicament\ngénérique seulement, ceci malgré la croissance des dépenses en matière de\nmédicaments. En effet, l'intérêt des Canadiens ne peut être maximisé que si cette\npolitique est rééquilibrée en tenant compte de l'ensemble de ses glissements\njuridiques observés.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.020 | 0.002 |
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".