Where is Industry Getting it Wrong? A Review of Quality Concerns Raised at Day 120 by the Committee for Medicinal Products for Human Use during European Centralised Marketing Authorisation Submissions for Chemical Entity Medicinal Products
Notice bibliographique
Résumé
PURPOSE: The aim of this study was to identify common trends in the deficiencies identified in the quality part of the dossier during the evaluation of marketing authorisation applications for medicinal products for human use submitted through the EU's centralised procedure. METHODS: We analysed all the adopted Day 120 list of questions on the quality module of 52 marketing authorisation applications for chemical entity medicinal products submitted to the European Medicines Agency and evaluated by the Committee for Medicinal Products for Human Use (CHMP), during 12 consecutive plenary meetings held in 2007 and 2008. Subsequently we calculated the frequency of common deficiencies identified across these applications. RESULTS: Frequencies and trends on quality deficiencies have been recorded and presented for 52 marketing authorisation applications. 32 "Major Objections" originated from 13 marketing authorisation applications. 13 concerned were raised regarding drug substances and 19 for drug products. Furthermore, 905 concerns on drug substance and 1,054 on drug product were also adopted. CONCLUSIONS: The impact of the frequencies and trends in quality deficiencies that were identified are discussed from a regulatory point of view. It is expected that the results of this study will not only be of interest to pharmaceutical companies but will also aid regulators' in obtaining consistent information on drug products based on transparent rules safeguarding the necessary pharmaceutical quality of medicinal products.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,030 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».