Correcciones
28 de diciembre de 2023: Testoni FE, Carrillo MG, Gagnon MA, Rikap C, Blaustein M (2023) Corrección: ¿Sobre qué hombros se apoya la investigación en salud? Determinación de los actores clave y los contenidos de la agenda de investigación biomédica vigente. PLOS ONE 18(12): e0296549. https://doi.org/10.1371/journal.pone.0296549 Ver corrección
16 de noviembre de 2021: Testoni FE, Carrillo MG, Gagnon MA, Rikap C, Blaustein M (2021) Corrección: ¿Sobre qué hombros se apoya la investigación en salud? Determinar los actores clave y los contenidos de la agenda de investigación biomédica vigente. PLOS ONE 16(11): e0260330. https://doi.org/10.1371/journal.pone.0260330 Ver corrección
Abstracto
Fondo
Los conflictos de intereses en la investigación biomédica pueden influir en los resultados de las investigaciones y alejar las agendas de investigación de las prioridades de salud pública. Los estudios previos sobre el establecimiento de agendas comparten dos deficiencias: solo tienen en cuenta las conexiones directas entre las instituciones académicas y las empresas, así como el posible sesgo basado en las creencias personales de los investigadores. El objetivo de este artículo es determinar los actores clave y los contenidos de la agenda de investigación predominante en ciencias biomédicas y de la salud (HBMS), superando estas deficiencias.
Métodos
Realizamos un análisis bibliométrico y léxico de 95.415 artículos científicos publicados entre 1999 y 2018 en las revistas con mayor factor de impacto dentro de HBMS, utilizando la base de datos Web of Science y la plataforma CorText. La red de conocimiento predominante de instituciones de HBMS se representó mediante mapas de red donde los nodos representan afiliaciones y los bordes las coautorías más frecuentes. El contenido de la agenda de investigación predominante de HBMS se representó a través de mapas de red de términos múltiples predominantes encontrados en títulos, palabras clave y resúmenes.
Resultados
Las agendas de investigación de HBMS de las grandes empresas privadas y las principales instituciones académicas están entrelazadas. La agenda de HBMS predominante se basa principalmente en la biología molecular (40% de los términos múltiples más frecuentes), con una inclinación hacia la investigación sobre el cáncer y cardiovascular (15 y 8% de los términos múltiples más frecuentes, respectivamente). Los estudios sobre patógenos y vectores biológicos relacionados con epidemias recientes son marginales (1% de los términos múltiples más frecuentes). El contenido de la agenda de investigación de HBMS predominante prioriza la investigación sobre la intervención farmacológica sobre la investigación sobre los factores socioambientales que influyen en la aparición o progresión de la enfermedad y pasa por alto, entre otros, el estudio de las enfermedades infecciosas.
Conclusiones
Las empresas farmacéuticas contribuyen a fijar la agenda de investigación predominante en HBMS, que se centra principalmente en unas pocas enfermedades y temas de investigación. Una agenda de investigación más equilibrada, junto con enfoques epistemológicos que consideren los factores socioambientales asociados con la propagación de enfermedades, podría contribuir a estar mejor preparados para prevenir y tratar patologías más diversas y mejorar los resultados generales de salud.
Cifras
Editor: Quinn Grundy, Universidad de Toronto, CANADÁ
Recibido: 9 de septiembre de 2020; Aceptado: 22 de marzo de 2021; Publicado: 7 de abril de 2021
Derechos de autor: © 2021 Testoni et al. Este es un artículo de acceso abierto distribuido bajo los términos de la Licencia de Atribución Creative Commons , que permite el uso, la distribución y la reproducción sin restricciones en cualquier medio, siempre que se reconozca al autor y la fuente originales.
Disponibilidad de los datos: Todos los datos relevantes se encuentran dentro del manuscrito y sus archivos de información complementaria .
Financiación: La publicación de este trabajo fue financiada por la Universidad de Carleton y el proyecto exploratorio LabEx Institut Francilien de Recherche Innovation Société (IFRIS) “La Industria 4.0 y la división internacional del trabajo”. Marc-André Gagnon es profesor asociado en la Universidad de Carleton. Cecilia Rikap recibió una beca postdoctoral del IFRIS ( www.ifris.org ) durante parte de la investigación. Matias Blaustein y Cecilia Rikap son miembros del CONICET. Federico Testoni y Mercedes García Carrillo recibieron una beca doctoral de la UBA y una beca postdoctoral del CONICET, respectivamente.
Conflictos de intereses: Los autores han declarado que no existen conflictos de intereses. MAG declara que no tiene relaciones con intereses comerciales. Ha sido consultor de Health Canada, Prescrire International y actuó como testigo experto para Justice Canada en una demanda sobre la regulación de precios de medicamentos en Canadá. Esto no altera nuestra adhesión a las políticas de PLOS ONE sobre el intercambio de datos y materiales.
Introducción
La influencia de la industria sobre la investigación científica genera muchos debates, en particular cuando se trata de establecer agendas de investigación. Algunos análisis empíricos han descubierto que las colaboraciones entre la industria y la universidad generan un problema (o dilema) de sesgo, al crear un sesgo en las agendas académicas hacia las necesidades privadas [ 1 , 2 ]. Otros autores sostienen, por el contrario, que las agendas no se han visto sesgadas significativamente debido a la comercialización de la investigación y sus resultados [ 3–5 ].
Independientemente de sus diferentes resultados, todas las investigaciones anteriores comparten dos características problemáticas. En primer lugar, la metodología elegida se basa en encuestas o entrevistas con diferentes partes interesadas (como investigadores y autoridades universitarias) o consiste en estudios de casos. La búsqueda de un problema de sesgo mediante el análisis de las impresiones de los investigadores presenta una deficiencia ya que, como observaron Kleinman y Vallas [ 6 ], los investigadores encuestados o entrevistados pueden ignorar las influencias externas que afectan su agenda de investigación. En segundo lugar, analizan la influencia explícita de la comercialización de la investigación en la determinación de las agendas de investigación académica mediante el análisis de los vínculos directos con corporaciones privadas (a través del patrocinio privado de la investigación académica, acuerdos, intercambios en eventos académicos u otras transferencias informales de conocimiento, entre otros). Este enfoque puede hacer que los intereses de las corporaciones influyan en las agendas de investigación no directamente relacionadas de las instituciones académicas. Por ejemplo, cuando una institución académica líder establece vínculos directos tanto con partes interesadas privadas como con otras instituciones académicas, la institución puede terminar transfiriendo involuntariamente las prioridades de investigación de las primeras a las segundas.
En el caso específico de la investigación médica, hay un acuerdo más unánime sobre el impacto del patrocinio de la industria y los conflictos de intereses en la investigación médica y la práctica clínica, que en última instancia influyen en los resultados de la investigación [ 7 – 9 ]. Una pregunta diferente, sin embargo, es si, y en qué medida, las empresas privadas pueden influir en las agendas de investigación y establecer prioridades en la red predominante de producción de conocimiento médico. Fabbri et al. ofrecieron una revisión en profundidad de la literatura médica, mostrando que los intereses corporativos pueden alejar las agendas de investigación de temas que son más relevantes para la salud pública [ 10 ]. Estudios previos también muestran que los gastos de la industria farmacéutica en actividades de marketing y promoción predominan sobre los gastos de investigación y desarrollo (I+D) [ 11 ]. No es sorprendente que las corporaciones tiendan a financiar la investigación en áreas que garantizan una gran participación de mercado. Esto puede explicar ejemplos como el de las compañías farmacéuticas que son más propensas a patrocinar estudios sobre enfermedades que afectan a los países de altos ingresos [ 12 , 13 ]. Si esta influencia corporativa sobre las agendas de investigación académica representa un fenómeno observado al margen de las investigaciones en ciencias de la salud y biomédicas (HBMS) o establece la agenda de investigación predominante en HBMS sigue siendo una pregunta abierta. Abordamos esta cuestión con un enfoque interdisciplinario, basándonos en el concepto teórico de agenda de la teoría de establecimiento de agenda [ 14 ]. Esta teoría se centra en la prominencia de los objetos (cosas sobre las que un individuo tiene una actitud u opinión) dentro del discurso de los medios y las consecuencias que esto tiene en las agendas públicas generales. El estudio propuesto se centra en el contenido de estas agendas, en lugar de los esfuerzos por dictarlas (por ejemplo, en nuestro caso, las políticas públicas con respecto a HBMS) y la proyección de ese tipo de estudio a diferentes agendas en la sociedad contemporánea [ 14 ]. De esta manera, podemos reconstruir una agenda específica a partir de los diferentes niveles de presencia que tienen diferentes temas en el resultado de una práctica, en este caso, la presencia de diferentes términos asociados con problemas y metodologías en la investigación científica de HBMS.
El campo de los HBMS constituye un caso modelo de límites difusos entre la investigación académica y comercial [ 15 ], y por lo tanto representa un sistema ideal para investigar la centralidad del interés corporativo en la agenda de investigación prevaleciente. Este análisis es especialmente relevante en el contexto del agotamiento del modelo de negocios de gran éxito y la reciente transformación de las estrategias de innovación centradas en la medicina especializada, en la que las compañías farmacéuticas intensificaron la externalización de ciertas etapas de su proceso de I+D [ 16 – 18 ]. Como resultado, las grandes farmacéuticas organizan, dirigen y, en última instancia, controlan las redes globales de innovación, donde las principales universidades y otras organizaciones de investigación académica son participantes activos [ 19 , 20 ].
Para representar la agenda de investigación de la HBMS y buscar una posible influencia de las corporaciones privadas en la definición de esa agenda, analizamos las publicaciones científicas, el resultado de investigación académica más común. Dentro del conjunto general de publicaciones en un campo, las que se publican en revistas con un alto factor de impacto ejercen la mayor influencia en términos de las prioridades de investigación de ese campo. Por lo tanto, definimos la “agenda de investigación predominante de la HBMS” como la agenda caracterizada por los términos múltiples predominantes que se encuentran en las 30 revistas con los factores de impacto más altos dentro del campo de la HBMS. Este enfoque nos permitió identificar actores clave y contenidos de esa agenda, excluyendo deficiencias previas, así como examinar tres cuestiones: (1) si las corporaciones privadas participan en la red predominante de organizaciones de investigación de la HBMS; (2) si la agenda de investigación predominante de la HBMS involucra el estudio de una diversidad de enfermedades, o si existe una inclinación hacia algunas específicas; y (3) si la agenda de investigación predominante de la HBMS involucra una pluralidad de temas y metodologías de investigación.
Estrategia de búsqueda y criterios de selección
Para llevar a cabo nuestra investigación, recuperamos un corpus de publicaciones científicas de HBMS de Web of Science (WoS) que representa la agenda de investigación de HBMS predominante. WoS clasifica las revistas en términos de categorías científicas, por lo que seleccionamos manualmente todas las categorías específicas que correspondían a HBMS (enumeradas en la leyenda de la Tabla S1 ). A continuación, recuperamos la lista completa de revistas que correspondían a cualquiera de esas categorías específicas y seleccionamos las 30 revistas con los factores de impacto más altos. Para las revistas seleccionadas, recuperamos todas las publicaciones disponibles (incluidos artículos de investigación originales, revisiones, perspectivas, editoriales, etc.) entre 1999 y 2018: 96.045 artículos, de los cuales pudimos analizar 95.415 (se filtraron aquellos artículos de los que no pudimos recopilar toda la información requerida o mostraron errores durante el procesamiento, el 0,7% del total). Esto proporcionó un corpus para investigar la agenda de investigación predominante de HBMS.
Para evaluar la evolución temporal de esta agenda de investigación, dividimos el corpus en dos subperíodos regulares: 1999-2008 y 2009-2018. Los subperíodos fueron relativamente homogéneos en términos de número de publicaciones (47.958 y 47.457 artículos, respectivamente), lo que indica que la frecuencia de publicación de las principales revistas se mantuvo estable.
Análisis de datos
Los datos fueron procesados utilizando la plataforma CorText [ 21 ], la cual nos permitió construir mapas de co-ocurrencia. Estos mapas fueron construidos utilizando algoritmos específicos que asocian entidades (nombres de instituciones de investigación y términos más frecuentes) de acuerdo a su frecuencia de co-ocurrencia dentro de un corpus de textos seleccionado [ 22 ]. En nuestro análisis, el corpus consistió en un conjunto de publicaciones científicas. El procedimiento utilizado para dibujar estos mapas, incluyendo el filtrado del corpus, siguió la metodología presentada en Tancoigne et al. [ 21 ].
Teniendo en cuenta nuestra pregunta de investigación, seguimos un proceso de dos pasos: 1) reconstruimos la red HBMS de instituciones editoriales predominantes, definidas como aquellas que coincidían con la mayor frecuencia como afiliaciones de autores en nuestro corpus, y 2) analizamos el contenido predominante de la investigación incluida en nuestro corpus, representando la agenda de investigación predominante. Para cada paso, introdujimos un componente dinámico considerando los dos períodos mencionados. En la siguiente sección se proporciona una metodología paso a paso.
1) Reconstrucción de la red de conocimiento HBMS vigente.
A diferencia de otras bases de datos bibliométricas, WoS ofrece un campo independiente con las afiliaciones de los autores, denominado “institución de investigación”. Para cada uno de los dos períodos seleccionados, utilizamos este campo para mapear las afiliaciones más frecuentemente conectadas.
Para construir estos mapas de redes, basamos nuestra metodología en trabajos previos. Estos estudios previos mostraron que los análisis de redes sociales que utilizan datos de co-patentamiento y co-publicación permiten mapear las relaciones entre actores dentro de un sistema de conocimiento o innovación [ 23 , 24 ]. Esto se ha convertido en una forma estándar de medir las colaboraciones entre ciencia e industria [ 25 ]. Cooke [ 26 ], por ejemplo, analizó las revistas con mayor factor de impacto de HBMS para representar su red de conocimiento predominante. Sin embargo, este estudio se centró en la distribución geográfica de esta red, pasando por alto los actores específicos involucrados y sus agendas de investigación.
Aunque la WoS presenta una base de datos ya depurada, las afiliaciones aparecían frecuentemente escritas de forma diferente. Para construir una lista armonizada, asegurando así que cada institución apareciera bajo un solo nombre, seguimos la metodología presentada en Tancoigne et al. [ 21 ]. Primero, listamos todas las instituciones en orden alfabético y creamos un nuevo campo con una afiliación unificada para cada institución. Definimos criterios especiales para determinar cada tipo de institución. En nuestro corpus recuperado, cada universidad fue renombrada como “univ” seguido del resto de su nombre en inglés. Los hospitales y escuelas universitarias fueron renombrados con el nombre de su universidad correspondiente. Para todos los hospitales con nombres que no indicaban una afiliación universitaria, buscamos en Wikipedia y el sitio web del hospital para encontrar posibles afiliaciones. Para unificar los nombres de las empresas privadas cuando aparecían como afiliaciones, trabajamos con árboles corporativos de empresas (en particular, grandes farmacéuticas), según lo proporcionado por Derwent Innovation. Además, en Estados Unidos (EE. UU.), Reino Unido (RU) y Francia, algunas instituciones pertenecen a un “sistema universitario” (llamado COMUE en Francia). Como resultado, muchos investigadores solo incluyen su afiliación al sistema universitario y otros agregan el nombre de su institución particular dentro de esa agrupación. Para tener un criterio unificado para cada organización y considerando las limitaciones del corpus (no siempre fue posible desenredar las instituciones), seguimos a Rikap [ 20 ] y fusionamos todas las afiliaciones a nivel de la organización matriz correspondiente.
La red más simple de colaboración en investigación entre instituciones que aparece en el campo “instituciones de investigación” en nuestro corpus habría sido una que considerara a todas las instituciones que han colaborado en un momento u otro como conectadas por un vínculo. Pero la red resultante habría sido demasiado densa y no muy informativa. Como queríamos centrarnos en las instituciones más influyentes (definidas como aquellas con la mayor frecuencia de publicación en cada período de tiempo), priorizamos los 200 nodos o vértices superiores. Para ponderar los vínculos de la red, utilizamos la medida de proximidad de chi-cuadrado para determinar los nodos y los bordes que se deben considerar en cada mapa de red. Por lo tanto, la métrica de chi-cuadrado aplicada para construir las matrices de coocurrencia de cada uno de nuestros análisis de red se definió como:(1)donde c ij es el número de ocurrencias conjuntas de i y j en el mismo documento (en nuestro caso en la misma publicación científica) y e ij es el número esperado de co-ocurrencias. e ij se define como el número total de co-ocurrencias de i (s i ) multiplicado por el número total de co-ocurrencias de j (s j ) dividido por el número global de co-ocurrencias (N):
(2)
La chi-cuadrado es una medida local directa, lo que significa que considera las ocurrencias reales entre entidades. Las medidas indirectas, como la distributiva, construyen mapas de red basados en la similitud de dos nodos en comparación con su perfil completo de co-ocurrencia con las otras entidades identificadas [ 21 ]. Por lo tanto, no deberían aplicarse en nuestro caso porque nuestra pregunta de investigación requiere buscar vínculos reales. La normalización de chi-cuadrado tiende a crear vínculos hacia nodos de mayor grado. Por lo tanto, esta métrica prioriza las co-ocurrencias más frecuentes dentro de la red y esos son los vínculos directos (bordes). Aplicado a nuestro corpus, el uso de la medida chi-cuadrado crea conexiones directas solo para las instituciones con co-autorías más frecuentes a partir del total de co-autorías.
A continuación, utilizamos el algoritmo de detección de la comunidad de Louvain como nuestro método de detección de clústeres [ 27 ]. Un clúster significa que, en relación con el resto de los bordes, aquellos dentro del clúster representan las coocurrencias más frecuentes de los nodos que pertenecen a ese clúster.
En los mapas resultantes (Figs. 1 y 2 ), los nodos representan instituciones (universidades, organismos de investigación, empresas, etc.). El tamaño de los nodos representa la frecuencia de aparición de cada institución en el conjunto de datos (es decir, la frecuencia de publicación de cada institución para las revistas seleccionadas).
-
Presentación en PowerPointDiapositiva de PowerPoint
-
PNGimagen más grande
-
PELEAimagen original
Fuente: Análisis de los autores basado en la extracción de datos de Web of Science (WoS) graficados mediante CorTexT.
-
Presentación en PowerPointDiapositiva de PowerPoint
-
PNGimagen más grande
-
PELEAimagen original
Fuente: Análisis de los autores basado en la extracción de datos de WoS graficados mediante CorTexT.
Como se explicó anteriormente, utilizamos el método de chi-cuadrado, que es una medida de proximidad normalizada que crea vínculos (aristas) hacia nodos de mayor grado. Las aristas que conectan nodos o vértices representan las coautorías más frecuentes (pero no todas). Cuando dos nodos estaban vinculados indirectamente por un tercer nodo en la red, esta tercera institución ocupaba una posición de puente.
Una medida estándar para considerar el papel de intermediación de cada nodo en una red es la centralidad de intermediación, definida como la suma de la relación de los caminos más cortos entre dos nodos cualesquiera en la red que pasan por ese nodo. Calculamos esta medida utilizando Gephi y la consideramos para evaluar la posición de las grandes farmacéuticas que aparecieron en las figuras 1 y 2. Además de esta medida, dado que agrupamos los nodos en clústeres, también nos interesó la cantidad de clústeres que un solo nodo conecta como indicador de la influencia de las instituciones de investigación en la red general. Un nodo podría tener una alta centralidad de intermediación pero solo porque ocupa una posición central dentro de su clúster. En este caso y considerando nuestro problema de investigación, esa institución de investigación podría interpretarse como que tiene una alta influencia en la fijación de la agenda de investigación de su clúster, pero la medida no diría mucho de su posibilidad de transferir sus prioridades de I+D a la red general. Es por eso que complementamos esta medida con un análisis de la cantidad de bordes, en particular bordes con nodos de diferentes clústeres, considerando estos últimos como puentes entre clústeres.
Los nodos que ocupan posiciones de puente que conectan diferentes clústeres son de particular importancia para mantener unidos a los clústeres y “en la dinámica de los procesos de propagación a través de la red” [ 28 ]. Los puentes representan canales a través de los cuales se pueden establecer y difundir las prioridades de investigación en ambas direcciones. Si una institución pública o una empresa privada ocupa una posición de puente, tendrá una mejor oportunidad de transferir sus prioridades de I+D a la red general. En otras palabras, las posibilidades de ejercer una influencia indirecta serán mayores en una posición de puente que en una posición con muy pocas aristas dentro del mismo grupo.
Los mapas de red resultantes (uno para cada período) pueden concebirse como un proxy de la red de conocimiento prevaleciente de las organizaciones de HBMS.
2) Reconstrucción de la agenda de investigación de las principales revistas de HBMS.
La definición de “agenda” que hemos utilizado concibe las agendas como algo que surge del conjunto de temas predominantes compartidos por una comunidad. En nuestro caso, la agenda se define como los temas predominantes de la comunidad de investigación de HBMS. Además, al centrarnos en las principales revistas por factor de impacto para representar esta agenda, asumimos que los temas estudiados con más frecuencia en las publicaciones de estas revistas influyen en la comunidad de investigación de HBMS en general. En otras palabras, asumimos una influencia normativa de las revistas de alto factor de impacto sobre toda la comunidad de investigación dentro de un campo de investigación [ 29 , 30 ]. Dado que estas revistas tienen los factores de impacto más altos, significa que, en promedio, las publicaciones de cada revista son las más citadas. Esto es una indicación de su mayor influencia relativa dentro del campo de HBMS.
Para construir la agenda de investigación predominante de HBMS, realizamos un análisis léxico de los títulos, palabras clave y resúmenes del corpus completo de revistas de alto factor de impacto de HBMS. Extrajimos los 500 términos múltiples principales de hasta 5 palabras como proxy de temas privilegiados. Se excluyeron los monogramas y cada lista se refinó siguiendo un proceso de limpieza en profundidad. Este filtrado se realizó para evitar palabras no relacionadas con el campo de HBMS y cuya frecuencia responde ya sea a su función gramatical (como «y» y «o») o al nivel de gramaticalización dentro del género científico («métodos y resultados», «estudio de caso», «estudio actual», «efecto positivo», etc.). La lista resultante de 320 términos múltiples se clasificó en categorías generales según los temas de investigación (como «Cáncer/Tumor» o «Cardiovascular»). Durante el proceso de selección de los términos múltiples clave, encontramos que muchos estaban vinculados a métodos y procedimientos. Decidimos incluirlos, ya que aportan datos valiosos sobre la naturaleza de la investigación en análisis. Por ejemplo, un artículo puede contener términos como “reacción en cadena de la polimerasa” o “microscopía electrónica” en su título y/o resumen, lo que puede indicar que el tema se está estudiando desde una perspectiva de biología molecular y celular y/o utilizando herramientas asociadas a esta especialidad.
Se construyó un mapa de red para cada período, trazando sus multitérminos conectados más frecuentemente, siguiendo el mismo procedimiento utilizado para los mapas de red de las instituciones de investigación. En este caso, los nodos representaban multitérminos. Priorizamos los 100 principales para cada período (obtuvimos resultados generales similares al seleccionar los 150 multitérminos principales para cada período). Estos mapas también incluyeron la clasificación de categorías generales que hicimos como una tercera variable representada. Trazamos las tres categorías generales principales asociadas con cada grupo. Inferimos que los multitérminos conectados más frecuentemente correspondían a aquellos temas de investigación y metodologías que definen la agenda de investigación predominante de HBMS. Como explican Barbier et al. [ 22 ], «el análisis de co-palabras mapea varios tipos de asociaciones entre términos que representan ontológicamente la estrategia textual de los autores es un método que extrae datos de textos sin presunciones sobre su contenido». Por las mismas razones explicadas anteriormente, también utilizamos chi-cuadrado para determinar los bordes de los mapas de red de multitérminos y el algoritmo de Louvain para detectar grupos.
Resultados
HBMS: red predominante de producción de conocimiento
Para representar la agenda de investigación predominante de HBMS e identificar la posible presencia de influencia corporativa, aplicamos técnicas de análisis bibliométrico y léxico a un corpus de 95.415 publicaciones científicas de las 30 revistas con mayor factor de impacto dentro de HBMS ( Tabla S1 ) entre 1999 y 2018. Brevemente, evaluamos la cantidad de publicaciones escritas por cada organización y mapeamos las afiliaciones de coautores conectados con mayor frecuencia en este corpus de publicaciones científicas.
Nuestros resultados muestran que la red predominante de organizaciones de investigación de HBMS está liderada tanto por instituciones de investigación académica prominentes como por grandes corporaciones farmacéuticas (Figs. 1 y 2 ; Tabla S2 ). Esto significa que estas corporaciones se encuentran entre las 200 principales organizaciones en términos de frecuencia de coocurrencia en nuestro corpus de las 30 revistas con los factores de impacto más altos dentro del campo de HBMS. Como mostramos en la Fig. 1 , donde consideramos la frecuencia de coautoría para el primer período (1999-2008), hay grandes corporaciones farmacéuticas entre la red predominante de organizaciones de investigación de HBMS, a saber: Roche, Merck, Novartis, AstraZeneca y GlaxoSmithKline ( Fig. 1 ).
En el segundo periodo (2009-2018), Merck y AstraZeneca desaparecen de la red, y aparecen Pfizer y Amgen ( Fig 2 ). En comparación con el primer periodo, las grandes compañías farmacéuticas aumentaron las conexiones con otras instituciones de la red -de 15 enlaces directos totales (3 en promedio) a 32 (6 en promedio)- apuntando a una creciente capacidad para influir en la agenda de investigación prevaleciente de HBMS. En particular, se destaca la posición de puente de Roche en el segundo periodo. En primer lugar, su centralidad de intermediación pasó de 0 en el primer periodo a 0,003 en el segundo periodo. Este cambio representó un rango más alto según esta medida, y por lo tanto un papel de intermediador relativamente mayor. En segundo lugar, de tener solo un enlace directo dentro del mismo clúster ( Fig 1 ), Roche se conecta con 11 instituciones de 4 clústeres diferentes en el segundo periodo ( Fig 2 ). Este resultado es de particular relevancia si consideramos, por ejemplo, que en el mismo período la Universidad de Londres, que tiene la tercera centralidad de intermediación más alta (0,062), estaba conectada directamente a nodos correspondientes a tres clústeres diferentes. Además, Novartis ocupó el puesto 112 en centralidad de intermediación en el primer período y el 57 en el segundo (de 0,0058 a 0,0089).
La clasificación de las organizaciones en términos de frecuencia general de publicación en distintos documentos arroja resultados similares para todo el período (1999-2018). Roche, GlaxoSmithKline, Pfizer y Merck junto con Amgen Inc. ocupan posiciones entre el puesto 64 y el 200 ( Tabla S2 ).
En cuanto a la distribución geopolítica de la red de conocimiento predominante de HBMS, se destacan los países y regiones líderes. En el primer período, se pueden asociar diferentes clústeres con una variedad de países. Sin embargo, 4 clústeres (un 25% en general) están vinculados a los EE. UU. (esto significa que la mayoría de los nodos corresponden a organizaciones con sede en los EE. UU.). En particular, Roche y Novartis siempre aparecen en clústeres dominados por los EE. UU., incluso si son de origen suizo. Dentro de Europa, predominan el Reino Unido, Alemania, Francia, Italia, Países Bajos, Suiza, Bélgica, Suecia y Dinamarca ( Fig. 1 ).
En el segundo período, EE. UU. (36%), Reino Unido (11%), Alemania (10%) y Francia (6%) concentran más del 60% del total de instituciones. Otros 25 países están representados en el mapa correspondiente, pero con participación marginal ( Fig. 2 ). Siete de las diez principales organizaciones editoriales a lo largo de todo nuestro período de estudio tienen su sede en EE. UU. según su frecuencia de publicación ( Tabla S2 ). Las dos principales organizaciones del mundo son Harvard y la Universidad de California (12.067 y 11.090 publicaciones científicas diferentes entre 1999 y 2018, respectivamente). Cada una de ellas ocupa una posición central en un clúster diferente y ocupan posiciones de red puente en ambos períodos ( Tabla S2 ). El top ten se completa con dos universidades del Reino Unido (la Universidad de Londres en la 3ª posición y la Universidad de Oxford en la 9ª posición ) y una de Alemania (el Instituto Max Planck, en el 10º lugar ).
El número total de instituciones que publican aumentó alrededor del 75% entre períodos (de 18.965 a 33.117). En ambos períodos, alrededor del 65% de las instituciones publicaron solo un artículo en las 30 principales revistas de HBMS. Sin embargo, al menos una de las 200 principales instituciones estuvo entre los autores del 91% y el 81% de los artículos, en el primer y segundo período, respectivamente. La red muestra una reducción en el número total de clústeres (de 12 a 7) entre períodos. También hay un aumento en el número de vínculos entre clústeres (Figs. 1 y 2 ), lo que muestra que la producción científica en HBMS se está volviendo más unificada y gira en torno a un grupo de organizaciones líderes de los países centrales.
Agenda de investigación HBMS vigente
A continuación, evaluamos los términos más frecuentes encontrados en títulos, palabras clave y resúmenes en este corpus de publicaciones científicas. En ambos períodos, hasta el 40% de los multitérminos más frecuentes derivados de las publicaciones analizadas están relacionados con categorías generales vinculadas con niveles moleculares y celulares como “proteína quinasa”, “anticuerpo monoclonal”, “interferencia de ARN” o “receptor del factor de crecimiento epidérmico” ( Tabla S3 ). También encontramos que los términos vinculados a la investigación del cáncer, como “células cancerosas” y “crecimiento tumoral”, fueron preponderantes (Figs. 3 y 4 , círculos verdes). Cabe destacar que seis de las 30 revistas con el factor de impacto más alto dentro del campo de HBMS están centradas en la oncología. De manera consistente, casi el 15% de los multitérminos más frecuentes en diferentes documentos se clasificaron como relacionados con el cáncer ( Tabla S3 ). En el segundo período, el predominio de los multitérminos de cáncer aumenta y se dividen en dos grupos separados ( Fig. 4 , círculos verdes).
-
Presentación en PowerPointDiapositiva de PowerPoint
-
PNGimagen más grande
-
PELEAimagen original
Fuente: Análisis de los autores basado en la extracción de datos de WoS graficados mediante CorTexT.
-
Presentación en PowerPointDiapositiva de PowerPoint
-
PNGimagen más grande
-
PELEAimagen original
Fuente: Análisis de los autores basado en la extracción de datos de WoS graficados mediante CorTexT.
La segunda categoría general más frecuente relacionada con un grupo específico de enfermedades humanas es la cardiovascular. Ambos períodos presentan un grupo dominado por términos múltiples asociados con esta categoría general (Figs. 3 y 4 , círculo lila), como lo demuestra la aparición de términos como “muerte cardíaca” y “enfermedad cardíaca coronaria”. En total, el 8% de los términos múltiples más frecuentes están asociados con esta categoría general ( Tabla S3 ).
Otros multitérminos menos prevalentes integran diferentes clústeres asociados con enfermedades neurológicas y salud mental, inmunología, síndromes metabólicos (como diabetes) o investigación ósea (Figs 3 y 4 ). Finalmente, hay dos clústeres pequeños y apenas conectados en el primer período asociados con términos ambientales (círculo amarillo) y patógenos (círculo de salmón). En este último, el Virus de Inmunodeficiencia Humana (VIH) es el único patógeno mencionado ( Fig 3 ). Además, estos clústeres desaparecen por completo en el segundo período ( Fig 4 ). Consistentemente, solo el 1% o menos de los multitérminos más frecuentes en diferentes documentos están asociados con categorías generales como patógenos, microbiología o medio ambiente ( Tabla S3 ).
Discusión
Presentamos datos que apoyan la hipótesis de que las agendas de investigación de las grandes empresas farmacéuticas están entrelazadas con las de las principales instituciones académicas concentradas en países específicos, lo que es consistente con los hallazgos de estudios previos [ 15 ]. Roche, GlaxoSmithKline, Pfizer, Merck, AstraZeneca y Amgen Inc. participan en la red de conocimiento HBMS predominante de organizaciones, y su influencia (número de conexiones con otras instituciones de la red) ha aumentado en los últimos diez años. Dado esto último, podemos inferir que al menos parte de su agenda de investigación está integrada en la agenda de investigación HBMS predominante. Esto permite la posibilidad de que las empresas farmacéuticas influyan en el campo de investigación HBMS más allá de sus colaboraciones directas con académicos. Como se explicó anteriormente, el problema de sesgo se definió como la tensión entre la investigación académica y la comercial [ 1 , 2 ]. Por lo tanto, nuestros hallazgos proporcionan evidencia sobre la existencia de un problema de sesgo independientemente de los vínculos directos con empresas privadas e independientemente de la conciencia de los investigadores. Además, en línea con Rikap [ 20 ], las grandes corporaciones farmacéuticas tienden a estar directamente vinculadas y algunas de ellas incluso pertenecen al mismo clúster, lo que favorece la tesis de cooperación tecnológica entre grandes compañías farmacéuticas en ciertos pasos de sus respectivas redes de innovación.
En términos de distribución geopolítica, encontramos un predominio de América del Norte (en particular, Estados Unidos) y Europa. Más allá de estas regiones, Australia, China, Japón e Israel tienen entre tres y siete instituciones que participan en la red de conocimiento predominante de HBMS. Si bien hay una mayoría de instituciones estadounidenses, la producción científica en HBMS se está unificando y gira en torno a un grupo de organizaciones líderes de un núcleo de países.
Nuestros resultados sugieren que la agenda de investigación de HBMS predominante está dominada por una perspectiva donde el conocimiento médico se basa principalmente en la investigación en el campo de la biología molecular. Esta afirmación está respaldada por la prevalencia de términos y temas asociados con la biología molecular y celular. Además, prioriza la investigación sobre cáncer y cardiovascular sobre otras patologías. Esta prevalencia es reveladora en términos de los temas que no son parte de esta agenda. Si bien, por definición, las enfermedades olvidadas están ausentes de la agenda, es significativo que la investigación sobre virus patógenos, bacterias u otros microorganismos y vectores biológicos (por ejemplo, murciélagos) sea marginal. Aunque es difícil de evaluar, es concebible que si estos temas hubieran tenido un lugar más prevalente en la agenda de las revistas de alto factor de impacto, el conocimiento resultante habría sido un trasfondo muy valioso para prevenir o tratar epidemias y pandemias de una manera más efectiva [ 31 ]. También es significativo observar que la investigación sobre prevención, determinantes sociales de la salud y evaluación de factores socioambientales que influyen en la aparición o progresión de la enfermedad es insignificante. En general, el enfoque principal de la agenda actual de la HBMS parece estar puesto en la intervención terapéutica y específicamente farmacológica que implica el uso de nuevos medicamentos o técnicas innovadoras de biología molecular. Al mismo tiempo, la prevención y la evaluación de los factores socioambientales que influyen en la aparición de la enfermedad están casi ausentes.
Como describió Kaiser, las explicaciones reductivas se refieren a factores de un nivel inferior al fenómeno en cuestión; se concentran en factores internos y, por lo tanto, ignoran o simplifican el entorno de un sistema, estudiando solo las partes de un sistema aislado [ 32 ]. En el caso del cáncer, nuestros resultados apuntan a una estrategia de investigación que ignora la creciente evidencia de carcinogenicidad asociada con diferentes contaminantes ambientales derivados de la tecnociencia y relacionados con las actividades humanas [ 33 ]. Si bien el cáncer y las enfermedades cardiovasculares se encuentran entre las diez principales causas de muerte en todo el mundo y, por lo tanto, se esperaba un enriquecimiento en términos múltiples relacionados con la investigación en estos trastornos, es digno de mención que otras causas de muerte altamente prevalentes, incluidas las enfermedades respiratorias, diarreicas e infecciosas, están gravemente subrepresentadas en la agenda predominante [ 34 , 35 ]. El hecho de que nuestros resultados revelen una prevalencia creciente del cáncer en la agenda de investigación HBMS predominante no debería sorprender. Las grandes corporaciones farmacéuticas anunciaron un cambio hacia enfermedades más rentables como el cáncer hace unos diez años [ 36 ]. Como se ha informado anteriormente, el mercado de medicamentos contra el cáncer es altamente rentable, incluso para medicamentos que representan poco o ningún valor terapéutico adicional para la población [ 37 – 39 ].
En resumen, una de las principales contribuciones de este artículo es abordar el dilema del sesgo desde una metodología novedosa que amplía el alcance de la investigación existente, superando sus deficiencias comunes. Hasta donde sabemos, no hay antecedentes de una investigación sobre el problema del sesgo que proporcione simultáneamente evidencia más allá de los vínculos directos con las empresas privadas y las percepciones de los actores involucrados. Nuestra contribución aborda todo esto último al mapear la evidencia bibliométrica y revelar la red de relaciones de poder que subyace a la agenda de investigación predominante en HBMS.
Sin embargo, una limitación importante de nuestra investigación es que solo hemos considerado un resultado de investigación académica (publicaciones). Nuestros resultados pueden terminar favoreciendo temas dentro de HBMS que se publican con más frecuencia como artículos sobre otros resultados, como informes para autoridades públicas, patentes o la creación de una empresa derivada. Otra limitación es que no analizamos la interacción entre la coautoría y las fuentes de financiación. La literatura previa mostró que la industria influye en la investigación de HBMS al patrocinar ciertos temas y métodos [ 7–9 ] . Por lo tanto, podemos esperar que ambos factores se complementen entre sí. Se necesitará más investigación para arrojar luz sobre estos aspectos. Nuestra agenda futura incluye esta pregunta de investigación.
Adicionalmente, el proceso de selección de revistas puede considerarse como otra limitación de este estudio, ya que podría jugar un papel en la creación de un sesgo debido a un proceso de muestreo centrado en un conjunto limitado de revistas, aquellas con el factor de impacto más alto. Aunque los datos preliminares utilizando diferentes conjuntos de revistas de alto impacto mostraron resultados similares, será necesaria una mayor investigación para abordar si estos resultados pueden extrapolarse a otras revistas dentro del campo. En este sentido, este trabajo concluye solo en lo que definimos como la agenda de investigación predominante en HBMS, extraída de las 30 revistas con el factor de impacto más alto dentro del campo de HBMS. Sin embargo, vale la pena enfatizar que nuestro análisis incluyó algunas de las revistas científicas interdisciplinarias más influyentes y particularmente algunas de las revistas más prestigiosas especializadas en microbiología o enfermedades infecciosas.
Dado que hemos descubierto que ciertas grandes corporaciones farmacéuticas contribuyen a fijar la agenda de investigación predominante de HBMS, las investigaciones futuras también implicarán comparar las agendas de investigación de estas corporaciones (definidas por sus publicaciones científicas) con la agenda de investigación predominante de HBMS obtenida a partir de nuestro análisis. Esto nos permitirá proporcionar evidencia sobre su nivel de alineación. Por último, las investigaciones futuras también explorarán las implicaciones globales de la falta de diversidad, ya que descubrimos que la agenda de investigación predominante de HBMS se centra principalmente en unas pocas enfermedades y temas de investigación. Una agenda de investigación más equilibrada, junto con enfoques epistemológicos que consideren los factores socioambientales asociados con la propagación de enfermedades, podría contribuir a estar mejor preparados para prevenir y tratar patologías más diversas y mejorar los resultados generales de salud.
Información complementaria
Tabla S1. Listado de las 30 revistas HBMS con mayor factor de impacto según WoS.
Se muestran el factor de impacto (2018), las citas totales (2018) y los documentos totales (1999-2018) recuperados por WoS para cada revista. Publicaciones seleccionadas: Science Citation Index Expanded (SCIE), Social Science Citation Index (SSCI). Categorías específicas seleccionadas para recuperar la lista completa de revistas de HBMS: ‘Alergia’, ‘Anatomía y morfología’, ‘Andrología’, ‘Anestesiología’, ‘Audiología y patología del habla y el lenguaje’, ‘Métodos de investigación bioquímica’, ‘Bioquímica y biología molecular’, ‘Biología’, ‘Biotecnología y microbiología aplicada’, ‘Sistemas cardíacos y cardiovasculares’, ‘Ingeniería celular y tisular’, ‘Biología celular’, ‘Química medicinal’, ‘Neurología clínica’, ‘Medicina de cuidados intensivos’, ‘Medicina de urgencias’, ‘Endocrinología y metabolismo’, ‘Ingeniería biomédica’, ‘Genética y herencia’, ‘Ciencias y servicios de atención sanitaria’, ‘Políticas y servicios de salud’, ‘Hematología’, ‘Inmunología’, ‘Enfermedades infecciosas’, ‘Medicina complementaria e integrativa’, ‘Ética médica’, ‘Informática médica’, ‘Tecnología de laboratorio médico’, ‘Medicina general e interna’, ‘Medicina legal’, ‘Medicina de investigación y experimental’, ‘Microbiología’, ‘Ciencias multidisciplinarias’, ‘Nanociencia y nanotecnología’, ‘Neuroimagen’, ‘Neurociencias’, ‘Enfermería’, ‘Nutrición y dietética’, ‘Obstetricia y ginecología’, ‘Oncología’, ‘Oftalmología’, ‘Ortopedia’, ‘Otorrinolaringología’, ‘Parasitología’, ‘Patología’, ‘Pediatría’, ‘Enfermedad vascular periférica’, ‘Farmacología y farmacia’, ‘Psiquiatría’, ‘Radiología, medicina nuclear e imágenes médicas’, ‘Biología reproductiva’, ‘Sistema respiratorio’, ‘Reumatología’, ‘Ciencias sociales biomédicas’, ‘Cirugía’, ‘Toxicología’, ‘Trasplante’, ‘Medicina Tropical’, ‘Urología y Nefrología’, ‘Virología’.
https://doi.org/10.1371/journal.pone.0249661.s001
(PDF)
Tabla S2. Ranking de instituciones y corporaciones científicas según su frecuencia global de publicación en distintos documentos para el corpus elegido.
Años: 1999–2018. La tabla muestra las 200 principales instituciones y corporaciones (en rojo). Para cada institución o corporación, también se muestra el número de documentos distintos.
https://doi.org/10.1371/journal.pone.0249661.s002
(PDF)
Tabla S3. Frecuencia de multitérminos asociados a diferentes categorías en la agenda vigente del HBMS.
Las tablas muestran la frecuencia acumulada de aparición de términos múltiples correspondientes a una categoría en particular. La agenda de investigación vigente de HBMS se divide por período.
https://doi.org/10.1371/journal.pone.0249661.s003
(PDF)
Archivo S1. Mapa de la agenda de investigación del HBMS (2009-2018)—Corpus alternativo.
https://doi.org/10.1371/journal.pone.0249661.s004
(PDF)
Archivo S2. Extracción de términos originales.
https://doi.org/10.1371/journal.pone.0249661.s005
(PDF)
Expresiones de gratitud
Queremos agradecer a Hilary Rose, Steven Rose, Nicolás Rascovan, Pablo Nicolás Fernández Larrosa, Diego Kozlowski, Javier Gasulla, Francisco Velázquez Duarte y Liliana Dain por alentarnos a discutir el tema y ayudarnos a mejorar nuestro manuscrito. También queremos agradecer a Alexandra Lamb, Katrina Slowski y Jeff Althouse por la edición final del manuscrito. Agradecemos al equipo de Cortext Manager por su ayuda.
Referencias
- 1.Larsen MT. Las implicaciones de la iniciativa académica para la ciencia pública: una visión general de la evidencia empírica. Research Policy. 2011;40: 6–19.
- 2.Lee H, Miozzo M. ¿Cómo afecta el trabajo en proyectos de colaboración entre la universidad y la industria a las carreras de doctorados en ciencia e ingeniería? Evidencia de una universidad británica basada en la investigación. The Journal of Technology Transfer. 2015;40: 293–317.
- 3.D’este P, Perkmann M. ¿Por qué los académicos se involucran con la industria? La universidad emprendedora y las motivaciones individuales. The Journal of Technology Transfer. 2011;36: 316–339.
- 4.Foray D, Lissoni F. Investigación universitaria e interacción público-privada. Manual de la economía de la innovación. Elsevier; 2010. págs. 275–314.
- 5.Boardman PC, Ponomariov BL. Investigadores universitarios que trabajan con empresas privadas. Technovation. 2009;29: 142–153.
- 6.Kleinman DL, Vallas SP. Ciencia, capitalismo y el ascenso del «trabajador del conocimiento»: La estructura cambiante de la producción de conocimiento en los Estados Unidos. Teoría y sociedad. 2001;30: 451–492.
- 7.Lundh A, Lexchin J, Mintzes B, Schroll JB, Bero L. Patrocinio de la industria y resultados de la investigación. Base de datos Cochrane de revisiones sistemáticas. 2017.
- 8.Edwards MG, Murray F, Yu R. Creación y distribución de valor entre universidades, biotecnología y farmacéutica. Nature biotechnology. 2003;21: 618–624. pmid:12776145
- 9.Campsall P, Colizza K, Straus S, Stelfox HT. Relaciones financieras entre las organizaciones que elaboran guías de práctica clínica y la industria biomédica: un estudio transversal. PLoS Medicine. 2016;13: e1002029. pmid:27244653
- 10.Fabbri A, Lai A, Grundy Q, Bero LA. La influencia del patrocinio de la industria en la agenda de investigación: una revisión exploratoria. Revista estadounidense de salud pública. 2018;108: e9–e16. pmid:30252531
- 11.Gagnon MA, Lexchin J. El costo de promocionar las píldoras: una nueva estimación de los gastos de promoción farmacéutica en los Estados Unidos. PLoS Med. 2008;5:e1. pmid:18177202
- 12.Bourgeois FT, Murthy S, Pinto C, Olson KL, Ioannidis JP, Mandl KD. Ensayos farmacológicos pediátricos versus adultos para afecciones con alta carga de enfermedad pediátrica. Pediatrics. 2012;130: 285–292. pmid:22826574
- 13.Dorsey ER, Thompson JP, Carrasco M, De Roulet J, Vitticore P, Nicholson S, et al. Financiación de la investigación biomédica estadounidense y aprobaciones de nuevos fármacos en distintas áreas terapéuticas. PLoS One. 2009;4: e7015.
- 14.McCombs M. Una mirada a la agenda-setting: pasado, presente y futuro. Estudios de periodismo. 2005;6: 543–557.
- 15.Cockburn I, Henderson R. Interacción público-privada en la investigación farmacéutica. Actas de la Academia Nacional de Ciencias. 1996;93: 12725–12730.
- 16.Dolgin E. Las grandes farmacéuticas pasan de ser “superproducciones” a ser “explotadoras de nichos”. Nature Medicine. 2010; 837.
- 17.Gibson SG, Lemmens T. Mercados especializados y evaluación de la evidencia en transición: una revisión crítica de las reformas propuestas en materia de medicamentos. Medical law review. 2014;22: 200–220. pmid:24841527
- 18.Gagnon MA. Nuevos precios de los medicamentos: ¿tienen algún sentido? Prescrire International. 2015;24: 457–461. pmid:26237844
- 19.Khanna I. Descubrimiento de fármacos en la industria farmacéutica: desafíos y tendencias de productividad. Drug discovery today. 2012;17: 1088–1102. pmid:22627006
- 20.Rikap C. Poder asimétrico del núcleo: cooperación tecnológica y competencia tecnológica en las redes transnacionales de innovación de las grandes farmacéuticas. Revista de economía política internacional. 2019;26: 987–1021.
- 21.Tancoigne E, Barbier M, Cointet JP, Richard G. El lugar de las ciencias agrícolas en la literatura sobre servicios ecosistémicos. Servicios ecosistémicos. 2014;10: 35–48.
- 22.Barbier M, Bompart M, Garandel-Batifol V, Mogoutov A. Análisis textual y mapeo cienciométrico del conocimiento dinámico en y alrededor de la comunidad IFSA. Investigación de sistemas agrícolas en el siglo XXI: la nueva dinámica. Springer; 2012. págs. 73–94.
- 23.Wasserman S, Faust K. Análisis de redes sociales: métodos y aplicaciones. Cambridge University Press; 1994.
- 24.Trujillo CM, Long TM. Análisis de cocitación de documentos para mejorar la investigación transdisciplinaria. Science Advances. 2018;4: e1701130. pmid:29308433
- 25.Lundberg J, Tomson G, Lundkvist I, Sk?r J, Brommels M. Colaboración al descubierto: exploración de la idoneidad de medir la colaboración entre universidades e industrias mediante la coautoría y la financiación. Scientometrics. 2006;69: 575–589.
- 26.Cooke P. Redes biorregionales globales: una nueva geografía económica del conocimiento biocientífico. Estudios de planificación europeos. 2006;14: 1265–1285.
- 27.Blondel VD, Guillaume JL, Lambiotte R, Lefebvre E. Despliegue rápido de comunidades en redes grandes. Revista de mecánica estadística: teoría y experimentación. 2008;2008: P10008.
- 28.Fortunato S, Hric D. Detección de comunidades en redes: una guía de usuario. Physics reports. 2016;659: 1–44.
- 29.Gingras Y. Les derivas de l’evaluación de la investigación: du bon use de la bibliométrie. Razones de acción; 2014.
- 30.Larivière V, Gingras Y. El efecto Matthew del factor de impacto: un experimento natural en bibliometría. Revista de la Sociedad Americana de Ciencias de la Información y Tecnología. 2010;61: 424–427.
- 31.Morens DM, Breman JG, Calisher CH, Doherty PC, Hahn BH, Keusch GT, et al. El origen de la COVID-19 y su importancia. Revista estadounidense de medicina tropical e higiene. 2020;103: 955–959. pmid:32700664
- 32.Kaiser MI. Los límites del reduccionismo en las ciencias de la vida. Historia y filosofía de las ciencias de la vida. 2011; 453–476. pmid:22662505
- 33.Guyton K, Loomis D, Grosse Y, El Ghissassi F, Benbrahim-Tallaa L, Guha N, et al. Agencia Internacional para la Investigación sobre el Cáncer, Grupo de Trabajo de Monografías ILF. Carcinogenicidad del tetraclorvinfos, paratión, malatión, diazinón y glifosato. Lancet Oncol. 2015;16: 490–491.
- 34.Roser M, Ritchie H. Carga de morbilidad. Nuestro mundo en datos. 2016.
- 35.Organización Mundial de la Salud. Estimaciones de salud a nivel mundial: esperanza de vida y principales causas de muerte y discapacidad. 2020.
- 36.Pollack A. Los medicamentos contra el cáncer significan grandes ganancias y grandes riesgos para las grandes farmacéuticas. CNBC. 2 de septiembre de 2009. https://www.cnbc.com/id/32659076 .
- 37.Tang J, Shalabi A, Hubbard-Lucey VM. Análisis exhaustivo del panorama de la inmunooncología clínica. Annals of Oncology. 2018;29: 84–91. pmid:29228097
- 38.Prasad V, McCabe C, Mailankody S. Las aprobaciones de bajo valor y los precios altos podrían incentivar el desarrollo de fármacos ineficaces. Nature Reviews Clinical Oncology. 2018;15: 399–400. pmid:29760505
- 39.Prasad V, Mailankody S. Gasto en investigación y desarrollo para comercializar un único fármaco contra el cáncer e ingresos después de su aprobación. JAMA Internal Medicine. 2017;177: 1569–1575. pmid:28892524
