- Publicado: 7 de abril de 2021
- https://doi.org/10.1371/journal.pone.0249661
Abstracto
Fondo
Los conflictos de intereses en la investigación biomédica pueden influir en los resultados de la investigación y alejar las agendas de investigación de las prioridades de salud pública. Los estudios previos sobre el establecimiento de la agenda comparten dos deficiencias: solo tienen en cuenta las conexiones directas entre las instituciones académicas y las empresas, así como el sesgo potencial basado en las creencias personales de los investigadores. El objetivo de este trabajo 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 de mayor factor de impacto dentro de HBMS, utilizando la base de datos Web of Science y la plataforma CorText. La red de instituciones de conocimiento predominante de HBMS se proxió con mapas de red donde los nodos representan afiliaciones y bordean las coautorías más frecuentes. El contenido de la agenda de investigación predominante de HBMS se describió a través de mapas de red de términos múltiples predominantes que se encuentran en títulos, palabras clave y resúmenes.
Resultados
Las agendas de investigación de HBMS de las grandes empresas privadas y las instituciones académicas líderes están entrelazadas. La agenda predominante del HBMS se basa principalmente en la biología molecular (40% de los multitérminos más frecuentes), con una inclinación hacia la investigación del cáncer y cardiovascular (15 y 8% de los multitérminos 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 predominante del HBMS prioriza la investigación sobre la intervención farmacológica sobre la investigación sobre los factores socioambientales que influyen en el inicio o la progresión de la enfermedad y pasa por alto, entre otros, el estudio de las enfermedades infecciosas.
Conclusiones
Las corporaciones farmacéuticas contribuyen a establecer la agenda de investigación predominante de HBMS, que se centra principalmente en algunas 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, podrían contribuir a estar mejor preparados para prevenir y tratar patologías más diversas y mejorar los resultados generales de salud.
Cifras
Cita: Testoni FE, García Carrillo M, Gagnon MA, Rikap C, Blaustein M (2021) ¿Sobre los hombros de quién se apoya la investigación en salud? Determinar los actores clave y los contenidos de la agenda de investigación biomédica imperante. PLoS ONE 16 (4): e0249661. https://doi.org/10.1371/journal.pone.0249661
Editor: Quinn Grundy, Universidad de Toronto, CANADÁ
Recibido: 9 de septiembre de 2020; Aprobado: 22 de marzo de 2021; Publicado: 7 de abril de 2021
Copyright: © 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, distribución y reproducción sin restricciones en cualquier medio, siempre que se acredite el autor y la fuente originales.
Disponibilidad de datos: Todos los datos relevantes están dentro del manuscrito y sus archivos de información de respaldo .
Financiamiento: 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 fue apoyada por una beca postdoctoral IFRIS ( www.ifris.org ) durante parte de la investigación. Matias Blaustein y Cecilia Rikap son miembros del CONICET. Federico Testoni y Mercedes García Carrillo contaron con el apoyo de una beca de doctorado de la UBA y una beca de posdoctorado del CONICET, respectivamente.
Conflictos de intereses: los autores han declarado que no existen conflictos de intereses. MAG declara no tener ninguna relación con intereses comerciales. Ha sido consultor para Health Canada, Prescrire International y actuó como testigo experto de Justice Canada en una demanda sobre la regulación canadiense del precio de los medicamentos. 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 suscita muchos debates, especialmente cuando se trata de establecer agendas de investigación. Algunos análisis empíricos encontraron que las colaboraciones entre la industria y la universidad generan un problema de sesgo (o dilema), al crear un sesgo en las agendas académicas hacia las necesidades privadas [ 1 , 2 ]. Otros autores argumentaron, por el contrario, que las agendas no se han sesgado 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. Primero, 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 un déficit 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 vínculos directos con corporaciones privadas (a través del patrocinio privado de investigación académica, convenios, 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 con partes interesadas privadas y otras instituciones académicas, la institución puede terminar transfiriendo de mala gana las prioridades de investigación de la primera a la segunda.
En el caso específico de la investigación médica, existe 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 ]. Sin embargo, una pregunta diferente es si las empresas privadas pueden influir en las agendas de investigación y establecer prioridades en la red predominante de producción de conocimiento médico y en qué medida pueden hacerlo. Fabbri y col. ofreció 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 anteriores 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 ]. Como era de esperar, las corporaciones tienden a financiar la investigación en áreas que garantizan una gran participación de mercado. Esto puede explicar ejemplos como que las empresas farmacéuticas son más propensas a patrocinar estudios sobre enfermedades que afectan a países de ingresos altos [ 12 , 13]. Si esta influencia corporativa sobre las agendas de investigación académica representa un fenómeno observado al margen de las investigaciones de las ciencias biomédicas y de la salud (HBMS) o establece la agenda de investigación predominante de HBMS, sigue siendo una pregunta abierta. Abordamos esta cuestión con un enfoque interdisciplinario, partiendo del concepto teórico de agenda a partir de la teoría del establecimiento de la agenda [ 14 ]. Esta teoría se centra en la relevancia 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 del público en general. El estudio propuesto se enfoca en el contenido de estas agendas, más que en los esfuerzos por dictarlas (por ejemplo, en nuestro caso, las políticas públicas sobre HBMS) y la proyección de ese tipo de estudios a diferentes agendas de la sociedad contemporánea [14 ]. De esta manera, logramos 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 a problemas y metodologías en la investigación científica del HBMS.
El campo de HBMS constituye un caso modelo de fronteras borrosas 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 predominante. Este análisis es especialmente relevante en el contexto del agotamiento del modelo de negocio blockbuster y la reciente transformación de las estrategias de innovación centradas en la medicina especializada, en la que las empresas farmacéuticas intensificaron la externalización de determinadas etapas de su proceso de I + D [ 16 – 18 ]. Como resultado, las grandes empresas farmacéuticas organizan, dirigen y, en última instancia, controlan las redes mundiales de innovación, en las que las principales universidades y otras organizaciones de investigación académica son participantes activos [ 19 ,20 ].
Para representar la agenda de investigación de HBMS y buscar una posible influencia de las corporaciones privadas en el establecimiento de esa agenda, analizamos las publicaciones científicas, el resultado de investigación académica más común. Dentro del conjunto general de publicaciones de un campo, las de las revistas de factores de alto 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 HBMS” como la agenda caracterizada por los términos múltiples prevalentes encontrados en las 30 revistas con los factores de impacto más altos dentro del campo de HBMS. Este enfoque nos permitió identificar los actores clave y los contenidos de esa agenda, excluyendo las deficiencias anteriores, así como examinar tres cuestiones: (1) si las empresas privadas participan en la red predominante de organizaciones de investigación del HBMS; (2) Si la agenda de investigación de HBMS predominante implica el estudio de una diversidad de enfermedades, o si existe una inclinación hacia enfermedades específicas; y (3) Si la agenda de investigación predominante de HBMS involucra una pluralidad de temas y metodologías de investigación.
Materiales y métodos
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 predominante de HBMS. 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 Tabla S1leyenda). 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 (aquellos artículos de los que no pudimos recopilar toda la información requerida o los errores mostrados durante el procesamiento (0,7% del total) se filtraron). 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 cuanto al 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 los datos
Los datos se procesaron utilizando la plataforma CorText [ 21 ], lo que nos permitió construir mapas de co-ocurrencia. Estos mapas se construyeron utilizando algoritmos específicos que asocian entidades (nombres de instituciones de investigación y términos más frecuentes) de acuerdo con su frecuencia de co-ocurrencia dentro de un corpus de textos elegido [ 22 ]. En nuestro análisis, el corpus consistió en un conjunto de publicaciones científicas. El procedimiento utilizado para dibujar estos mapas, incluido el filtrado del corpus, siguió la metodología presentada en Tancoigne et al. [ 21 ].
Dada nuestra pregunta de investigación, seguimos un proceso de dos pasos: 1) reconstruimos la red HBMS de instituciones editoriales predominantes, definidas como aquellas que coexistieron con mayor frecuencia como afiliaciones de autores en nuestro corpus, y 2) analizamos las 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 conocimientos de HBMS imperante.
A diferencia de otras bases de datos bibliométricas, WoS proporciona un campo separado con las afiliaciones de los autores llamado «institución de investigación». Para cada uno de los dos períodos seleccionados, usamos este campo para mapear las afiliaciones conectadas con mayor frecuencia.
Para construir estos mapas de red, basamos nuestra metodología en trabajos previos. Estos estudios previos demostraron que los análisis de redes sociales que utilizan datos de co-patentamiento y co-publicación permiten mapear las relaciones entre los actores dentro de un sistema de conocimiento o innovación [ 23 , 24 ]. Esta se ha convertido en una forma estándar de medir las colaboraciones entre ciencia e industria [ 25 ]. Cooke [ 26 ], por ejemplo, analizó las revistas de los principales factores 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 su (s) agenda (s) de investigación.
Aunque WoS presenta una base de datos ya limpia, las afiliaciones con frecuencia aparecían escritas de manera diferente. Para construir una lista armonizada, asegurando así que cada institución apareciera con un solo nombre, seguimos la metodología presentada en Tancoigne et al. [ 21]. Primero, enumeramos 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” seguida del resto de su nombre en inglés. Los hospitales universitarios y las escuelas pasaron a denominarse 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 los árboles corporativos de las empresas (en particular, las grandes farmacéuticas), según lo proporcionado por Derwent Innovation. Además, en los Estados Unidos (EE. UU.), Reino Unido (Reino Unido) 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 en particular dentro de ese grupo. 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 fusionó todas las afiliaciones a nivel de la organización matriz correspondiente.
La red más simple de colaboración en investigación entre instituciones que aparecen en el campo “instituciones de investigación” en nuestro corpus habría sido una que considerara 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 poco informativa. Dado que queríamos centrarnos en las instituciones más influyentes (definidas como aquellas con la frecuencia de publicación más alta en cada período de tiempo), priorizamos los 200 nodos o vértices principales. Para ponderar los enlaces de la red, utilizamos la medida de proximidad chi-cuadrado para determinar los nodos y los bordes que se considerarán en cada mapa de la red. Por lo tanto, la métrica de chi-cuadrado aplicada para construir las matrices de co-ocurrencia de cada uno de nuestros análisis de red se definió como:
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 deben aplicarse en nuestro caso porque nuestra pregunta de investigación requiere buscar enlaces 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 lazos directos (bordes). Aplicado a nuestro corpus, el uso de la medida de chi-cuadrado crea conexiones directas solo para las instituciones de coautoría con más frecuencia de las coautorías totales.
A continuación, utilizamos el algoritmo de detección de la comunidad de Lovaina como nuestro método de detección de agrupaciones [ 27 ]. Un clúster significa que en relación con el resto de los bordes, aquellos dentro del clúster representan las co-ocurrencias más frecuentes de los nodos que pertenecen a ese clúster.
En los mapas resultantes (Figuras 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 (por lo tanto, la frecuencia de publicación de cada institución para las revistas seleccionadas).
Descargar:
-
PPTDiapositiva de PowerPoint
-
PNGimagen más grande
-
PELEAimagen original
Descargar:
-
PPTDiapositiva de PowerPoint
-
PNGimagen más grande
-
PELEAimagen original
Fuente: Análisis de los autores basado en la extracción de datos de WoS trazada a través de CorTexT.
Como se explicó anteriormente, usamos chi-cuadrado, que es una medida de proximidad normalizada que crea vínculos (bordes) hacia nodos de mayor grado. Los bordes que conectan nodos o vértices representan las coautorías más frecuentes (pero no todas). Cuando dos nodos estaban indirectamente vinculados por un tercer nodo, en la red, esta tercera institución ocupaba una posición de puente.
Una medida estándar para considerar el papel intermediario de cada nodo en una red es la centralidad de intermediación, definida como la suma de la relación de las rutas más cortas entre dos nodos cualesquiera de la red que pasan a través de ese nodo. Calculamos esta medida usando Gephi y la consideramos para evaluar la posición de los grandes productos farmacéuticos que aparecen en las Figuras 1 y 2.. Además de esta medida, dado que agrupamos los nodos en conglomerados, también nos interesó la cantidad de conglomerados que un solo nodo conecta como indicador de la influencia de una institución de investigación en la red general. Un nodo podría tener una centralidad de intermediación alta, pero solo porque ocupa una posición central dentro de su grupo. En este caso y considerando nuestro problema de investigación, esa institución de investigación podría interpretarse como de gran influencia en el establecimiento de la agenda de investigación de su clúster, pero la medida no diría muchas de sus posibilidades de transferir sus prioridades de I + D a la red general. Es por esto que complementamos esta medida con un análisis del número de aristas, en particular aristas con nodos de diferentes clusters, considerando estos últimos como puentes entre clusters.
Los nodos que ocupan posiciones de puente que conectan diferentes clústeres son de particular relevancia para mantener los clústeres juntos 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 puente, tendrá más posibilidades de transferir sus prioridades de I + D a la red general. En otras palabras, las posibilidades de ejercer influencia indirecta serán mayores en una posición puente que en una posición con muy pocos bordes dentro del mismo grupo.
Los mapas de red resultantes, uno para cada período, se pueden concebir como un proxy de la red de conocimiento predominante 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 fluye del conjunto de temas predominantes compartidos por una comunidad. En nuestro caso, la agenda se define como los temas predominantes de la comunidad investigadora de HBMS. Además, al centrarnos en las principales revistas por factor de impacto para representar esta agenda, asumimos que los temas que se estudian con mayor 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 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 las revistas de factores de alto impacto de HBMS. Extrajimos los 500 términos múltiples principales de hasta 5 palabras como un proxy de temas privilegiados. Se excluyeron los monogramas y cada lista se perfeccionó siguiendo un proceso de limpieza en profundidad. Este filtrado se realizó para evitar palabras no relacionadas con el campo HBMS y cuya frecuencia responda a su función gramatical (como «y» y «o») o al nivel de gramaticalización dentro del género científico («métodos y resultados», » caso de estudio ”,“ presente estudio ”,“ 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 brindan datos valiosos sobre la naturaleza de la investigación bajo 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. con esta especialidad.
Se construyó un mapa de red para cada período, trazando sus correspondientes multitérminos conectados con mayor frecuencia, siguiendo el mismo procedimiento utilizado para los mapas de red de las instituciones de investigación. En este caso, los nodos representaron términos múltiples. Priorizamos los 100 mejores para cada período (se obtuvieron resultados generales similares seleccionando los 150 mejores términos múltiples para cada período). Estos mapas también incluyeron la clasificación de las categorías generales que hicimos como una tercera variable representada. Trazamos las tres categorías generales principales asociadas con cada grupo. Inferimos que los términos múltiples conectados con mayor frecuencia correspondían a los temas y metodologías de investigación que definen la agenda de investigación predominante de HBMS. Como explica Barbier et al. [ 22], “El análisis de palabras conjuntas 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 usamos chi-cuadrado para determinar los bordes de los mapas de red de términos múltiples y el algoritmo de Louvain para detectar clústeres.
Resultados
Red predominante de producción de conocimiento de HBMS
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 el número de publicaciones de cada organización y mapeamos las afiliaciones de los coautores más frecuentemente conectados en este corpus de publicaciones científicas.
Nuestros resultados muestran que la red predominante de organizaciones de investigación de HBMS está dirigida tanto por destacadas instituciones académicas de investigación como por grandes corporaciones farmacéuticas (Figuras 1 y 2 ; Tabla S2 ). Esto significa que estas corporaciones se encuentran entre las 200 principales organizaciones en términos de frecuencia de co-ocurrencia en nuestro corpus de las 30 revistas con los factores de impacto más altos dentro del campo de HBMS. Como mostramos en la Figura 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 ( Figura 1 ).
En el segundo período (2009-2018), Merck y AstraZeneca desaparecen de la red y aparecen Pfizer y Amgen ( Fig. 2 ). En comparación con el primer período, las grandes compañías farmacéuticas incrementaron 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 predominante de HBMS. En particular, destaca la posición puente de Roche en el segundo período. Primero, su centralidad de intermediación pasó de 0 en el primer período a 0,003 en el segundo período. Este cambio representó un rango más alto de acuerdo con esta medida y, por lo tanto, un papel intermediario relativamente mayor. En segundo lugar, de tener solo un enlace directo dentro del mismo grupo ( Fig 1), Roche se conecta con 11 instituciones de 4 clústeres diferentes en el segundo período ( Figura 2 ). Este resultado es de particular relevancia si consideramos, por ejemplo, que en el mismo período la Universidad de Londres, que tiene la 3ª centralidad de intermediación más alta (0,062), se conectó directamente a nodos correspondientes a 3 conglomerados diferentes. Además, Novartis ocupó el puesto 112 en la centralidad de intermediación en el primer período y en el 57 en el segundo (de 0,0058 a 0,0089).
La clasificación de las organizaciones en términos de frecuencia de publicación general en distintos documentos proporciona resultados similares para todo el período (1999-2018). Roche, GlaxoSmithKline, Pfizer, y Merck junto con Amgen Inc. ocupan posiciones entre el 64 ° y el 200 ° ( S2 Tabla ).
En cuanto a la distribución geopolítica de la red de conocimiento predominante de HBMS, destacan los países y regiones líderes. En el primer período, se pueden asociar diferentes conglomerados con una variedad de países. Sin embargo, 4 clusters (un 25% en general) están vinculados a EE. UU. (Esto significa que la mayoría de los nodos corresponden a organizaciones con sede en EE. UU.). En particular, Roche y Novartis siempre aparecen en grupos dominados por Estados Unidos, 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 los 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 uno de ellos 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 el 3ª posición, y la Universidad de Oxford en el 9 ° posición) y uno de Alemania (el Instituto Max Planck, en el 10 º lugar).
El número total de instituciones editoriales creció 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 instituciones principales estuvo entre los autores del 91% y 81% de los artículos, en el primer y segundo período, respectivamente. La red muestra una reducción en el número total de clusters (de 12 a 7) entre períodos. También hay un aumento en el número de enlaces entre clusters (Figuras 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 países centrales.
Agenda de investigación de HBMS predominante
A continuación, evaluamos los términos más prevalentes encontrados en títulos, palabras clave y resúmenes en este corpus de publicaciones científicas. En ambos periodos, hasta un 40% de los multitérminos más frecuentes derivados de las publicaciones analizadas están relacionados con categorías generales ligadas a 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 relacionados con la investigación del cáncer, como «células cancerosas» y «crecimiento tumoral», eran preponderantes (Figuras 3 y 4, círculos verdes). Cabe destacar que seis de las 30 revistas con mayor factor de impacto dentro del campo de HBMS están enfocadas a la oncología. De manera consistente, casi el 15% de los términos múltiples más frecuentes en diferentes documentos se clasificaron como relacionados con el cáncer ( Tabla S3 ). En el segundo período, el predominio de términos múltiples de cáncer aumenta y se dividen en dos grupos separados ( Fig. 4 , círculos verdes).
Descargar:
-
PPTDiapositiva de PowerPoint
-
PNGimagen más grande
-
PELEAimagen original
Descargar:
-
PPTDiapositiva de PowerPoint
-
PNGimagen más grande
-
PELEAimagen original
Fuente: Análisis de los autores basado en la extracción de datos de WoS trazada a través de CorTexT.
La segunda categoría general más prevalente relacionada con un grupo específico de enfermedades humanas es la cardiovascular. Ambos períodos presentan un clúster dominado por multitérminos asociados a esta categoría general (Figs. 3 y 4 , círculo lila), como lo demuestra la aparición de términos como “muerte cardíaca” y “enfermedad coronaria”. En total, el 8% de los términos múltiples más frecuentes están asociados a esta categoría general ( Tabla S3 ).
Otros términos múltiples menos prevalentes integran diferentes grupos asociados con enfermedades neurológicas y salud mental, inmunología, síndromes metabólicos (como la diabetes) o investigación ósea (Figuras 3 y 4 ). Finalmente, hay dos grupos 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 la Inmunodeficiencia Humana (VIH) es el único patógeno mencionado ( Fig. 3 ). Además, estos grupos desaparecen por completo en el segundo período ( Fig. 4 ). De manera consistente, solo el 1% o menos de los términos múltiples más frecuentes en diferentes documentos están asociados con categorías generales como patógenos, microbiología o ambientales ( Tabla S3).
Discusión
Presentamos datos que apoyan la hipótesis de que las agendas de investigación de las grandes firmas farmacéuticas están entrelazadas con las de las principales instituciones académicas concentradas en países específicos, lo cual es consistente con los hallazgos de estudios previos [ 15]. Roche, GlaxoSmithKline, Pfizer, Merck, AstraZeneca y Amgen Inc. participan en la red predominante de organizaciones de conocimiento de HBMS y su influencia (número de conexiones con otras instituciones de la red) ha aumentado en los últimos diez años. Dado lo último, podemos inferir que al menos parte de su agenda de investigación está incrustada en la agenda de investigación predominante de HBMS. Esto permite la posibilidad de que las empresas farmacéuticas influyan en el campo de investigación de HBMS más allá de sus colaboraciones directas con académicos. Como se explicó anteriormente, el problema del sesgo se definió como la tensión entre la investigación académica y la investigación de orientación 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 y sin importar 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, favoreciendo así la tesis de cooperación tecnológica entre grandes empresas farmacéuticas en determinadas etapas de sus respectivas redes de innovación.
En cuanto a la distribución geopolítica, encontramos un predominio de América del Norte (en particular, EE. UU.) 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 volviendo más unificada 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 en la que 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 del cáncer y cardiovascular frente a otras patologías. Esta prevalencia es reveladora en cuanto a los temas que no forman parte de esta agenda. Si bien, por definición, las enfermedades desatendidas 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 predominante en la agenda de las revistas de alto factor de impacto,31 ]. También es significativo observar que la investigación sobre la prevención, los determinantes sociales de la salud y la evaluación de los factores socioambientales que influyen en la aparición o progresión de la enfermedad es insignificante. En general, el enfoque principal de la agenda del HBMS predominante parece estar puesto en la intervención terapéutica y específicamente farmacológica que implica el uso de fármacos novedosos o técnicas innovadoras de biología molecular. Al mismo tiempo, la prevención y 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 más bajo que el fenómeno en cuestión; se concentran en factores internos y así 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 a 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 múltiples términos relacionados con la investigación en estos trastornos, cabe señalar que existen otras causas de muerte altamente prevalentes, incluidas las enfermedades respiratorias, diarreicas e infecciosas. están muy infrarrepresentados en la agenda predominante [ 34 , 35 ]. El hecho de que nuestros resultados revelen una creciente prevalencia de cáncer en la agenda de investigación predominante del HBMS no debería sorprendernos. Las grandes corporaciones farmacéuticas anunciaron un cambio hacia enfermedades más rentables como el cáncer hace unos diez años [ 36]. Como se informó anteriormente, el mercado de medicamentos contra el cáncer es muy 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 carencias compartidas. Hasta donde sabemos, no hay antecedentes de una investigación sobre el problema de la distorsión que simultáneamente proporcione evidencia más allá de los vínculos directos con empresas privadas y las percepciones de los actores involucrados. Nuestra contribución aborda todo esto último mediante el mapeo de la evidencia bibliométrica y revelando la red de relaciones de poder que subyace en la agenda de investigación predominante de HBMS.
No obstante, una limitación significativa 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 mayor frecuencia como artículos sobre otros resultados, como informes para autoridades públicas, patentes o la creación de una spin-off. Otra limitación es que no analizamos la interacción entre la coautoría y las fuentes de financiación. La literatura previa demostró que la industria influye en la investigación de HBMS patrocinando ciertos temas y métodos [ 7 – 9 ]. Por lo tanto, podemos esperar que ambos factores se complementen. Se necesitarán más investigaciones para arrojar luz sobre estos aspectos. Nuestra agenda futura incluye esta pregunta de investigación.
Además, 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 mayor factor de impacto. Aunque los datos preliminares que utilizan diferentes conjuntos de revistas de alto impacto mostraron resultados similares, será necesario realizar más investigaciones 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 mayor factor de impacto dentro del campo de HBMS. Sin embargo,
Dado que descubrimos que ciertas grandes corporaciones farmacéuticas contribuyen a establecer la agenda de investigación predominante de HBMS, la investigación adicional también implicará comparar las agendas de investigación de estas corporaciones, definidas por sus publicaciones científicas, con la agenda de investigación predominante de HBMS obtenida de nuestro análisis. Esto nos permitirá proporcionar evidencia sobre su nivel de alineación. Finalmente, futuras investigaciones 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 algunas 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,
Información de soporte
Tabla S1. Lista de las 30 revistas de HBMS con mayores factores de impacto según WoS.
Se muestran el factor de impacto (2018), el total de citas (2018) y el total de documentos (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: ‘Allergy’, ‘Anatomy & Morphology’, ‘Andrology’, ‘Anesthesiology’, ‘Audiology & Speech-Language Pathology’, ‘Biochemical Research Methods’, ‘Biochemistry & Molecular Biology ‘,’ Biología ‘,’ Biotecnología y microbiología aplicada ‘,’ Sistemas cardíacos y cardiovasculares ‘,’ Ingeniería celular y tisular ‘,’ Biología celular ‘,’ Química medicinal ‘,’ Neurología clínica ‘,’ Medicina de cuidados críticos ‘,’ Medicina de emergencia ‘,’ Endocrinología y metabolismo ‘,’ Ingeniería, biomédica ‘,’ Genética y herencia ‘,’ Ciencias y servicios sanitarios ‘,
https://doi.org/10.1371/journal.pone.0249661.s001
(PDF)
Tabla S2. Ranking de instituciones científicas y corporaciones según su frecuencia general de publicación en documentos distintos para el corpus elegido.
Años: 1999-2018. La tabla muestra las 200 instituciones y corporaciones principales (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 predominante de HBMS.
Las tablas muestran la frecuencia acumulada de ocurrencia de términos múltiples correspondientes a una categoría particular. La agenda de investigación de HBMS predominante está dividida por período.
https://doi.org/10.1371/journal.pone.0249661.s003
(PDF)
Archivo S1. Mapa de la agenda de investigación de HBMS (2009-2018) —Corpus alternativo.
https://doi.org/10.1371/journal.pone.0249661.s004
(PDF)
Archivo S2. Extracción del término original.
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 alentar las discusiones que ayudaron mucho a mejorar nuestro manuscrito. También deseamos 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 empresa académica para la ciencia pública: una visión general de la evidencia empírica. Política de investigación. 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 ciencias e ingeniería? Evidencia de una universidad basada en investigación del Reino Unido. La Revista de Transferencia de Tecnología. 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. La Revista de Transferencia de Tecnología. 2011; 36: 316–339.
- 4.Foray D, Lissoni F. Investigación universitaria e interacción público-privada. Manual de economía de la innovación. Elsevier; 2010. págs. 275–314.
- 5.Boardman PC, Ponomariov BL. Investigadores universitarios que trabajan con empresas privadas. Tecnovación. 2009; 29: 142-153.
- 6.Kleinman DL, Vallas SP. Ciencia, capitalismo y el surgimiento 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 resultado de la investigación. Base de datos Cochrane de revisiones sistemáticas. 2017.
- 8.Edwards MG, Murray F, Yu R. Creación de valor e intercambio entre universidades, biotecnología y farmacéutica. Biotecnología de la naturaleza. 2003; 21: 618–624. pmid: 12776145
- 9.Campsall P, Colizza K, Straus S, Stelfox HT. Relaciones financieras entre organizaciones que producen guías de práctica clínica y la industria biomédica: un estudio transversal. Medicina PLoS. 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 del alcance. Revista estadounidense de salud pública. 2018; 108: e9 – e16. pmid: 30252531
- 11.Gagnon MA, Lexchin J. El costo de impulsar 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 de fármacos pediátricos versus para adultos para afecciones con una alta carga de morbilidad pediátrica. Pediatría. 2012; 130: 285–292. pmid: 22826574
- 13.Dorsey ER, Thompson JP, Carrasco M, De Roulet J, Vitticore P, Nicholson S, et al. Financiamiento de la investigación biomédica de EE. UU. Y la aprobación de nuevos medicamentos en todas las áreas terapéuticas. Más uno. 2009; 4: e7015.
- 14.McCombs M. Una mirada al establecimiento de la agenda: pasado, presente y futuro. Estudios de Periodismo. 2005; 6: 543–557.
- 15.Cockburn I, Henderson R. Interacción público-privada en la investigación farmacéutica. Procedimientos de la Academia Nacional de Ciencias. 1996; 93: 12725-12730.
- dieciséis.Dolgin E. Las grandes farmacéuticas pasan de ser «éxitos de taquilla» a «cazadores de nichos». Medicina de la naturaleza. 2010; 837.
- 17.Gibson SG, Lemmens T. Mercados especializados y evaluación de la evidencia en transición: una revisión crítica de las reformas de drogas propuestas. Revisión de derecho médico. 2014; 22: 200–220. pmid: 24841527
- 18.Gagnon MA. Precio de nuevos medicamentos: ¿tiene algún sentido? Prescrire internacional. 2015; 24: 457–461. pmid: 26237844
- 19.Khanna I. Descubrimiento de fármacos en la industria farmacéutica: desafíos y tendencias de productividad. Descubrimiento de fármacos hoy. 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 de ecosistema. 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. Saltador; 2012. págs. 73–94.
- 23.Wasserman S, Faust K.Análisis de redes sociales: métodos y aplicaciones. Prensa de la Universidad de Cambridge; 1994.
- 24.Trujillo CM, Long TM. Documentar el análisis de co-citas para mejorar la investigación transdisciplinaria. Avances científicos. 2018; 4: e1701130. pmid: 29308433
- 25.Lundberg J, Tomson G, Lundkvist I, Sk? R J, Brommels M. Colaboración descubierta: exploración de la idoneidad de medir la colaboración universidad-industria a través de la coautoría y la financiación. Cienciometría. 2006; 69: 575–589.
- 26.Cooke P. Redes biorregionales globales: una nueva geografía económica del conocimiento biocientífico. Estudios de planificación europea. 2006; 14: 1265–1285.
- 27.Blondel VD, Guillaume JL, Lambiotte R, Lefebvre E. Despliegue rápido de comunidades en grandes redes. Revista de mecánica estadística: teoría y experimentación. 2008; 2008: P10008.
- 28.Fortunato S, Hric D. Detección de comunidades en redes: una guía de usuario. Informes de física. 2016; 659: 1–44.
- 29.Gingras Y. Les dérives de l’évaluation de la recherche: du bon uses de la bibliométrie. Raisons d’agir; 2014.
- 30.Larivière V, Gingras Y. El efecto Matthew del factor de impacto: un experimento natural en bibliometría. Revista de la Sociedad Estadounidense de Ciencia y Tecnología de la Información. 2010; 61: 424–427.
- 31.Morens DM, Breman JG, Calisher CH, Doherty PC, Hahn BH, Keusch GT, et al. El origen de COVID-19 y por qué es importante. La revista estadounidense de medicina e higiene tropical. 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. Grupo de trabajo de monografías de la Agencia Internacional para la Investigación sobre el Cáncer ILF. Carcinogenicidad de tetraclorvinfos, paratión, malatión, diazinón y glifosato. Lancet Oncol. 2015; 16: 490–491.
- 34.Roser M, Ritchie H. Carga de enfermedad. Nuestro mundo en datos. 2016.
- 35.Organización Mundial de la Salud. Estimaciones de salud mundial: esperanza de vida y principales causas de muerte y discapacidad. 2020.
- 36.Pollack A. Los medicamentos contra el cáncer significan grandes beneficios 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 integral del panorama clínico de la inmuno-oncología. 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. Gastos de investigación y desarrollo para llevar un solo medicamento contra el cáncer al mercado e ingresos después de su aprobación. Medicina interna JAMA. 2017; 177: 1569–1575. pmid: 28892524
