Review of Quality Deficiencies Found in Active Pharmaceutical Ingredient Master Files Submitted to the WHO Prequalification of Medicines Programme
Notice bibliographique
Résumé
PURPOSE: The aim of this work was to determine the number and type of active pharmaceutical ingredient (API) quality deficiencies in API Master Files (APIMFs) as submitted to the World Health Organization (WHO) Prequalification of Medicines Programme (PQP). METHODS: We conducted a retrospective review of API quality deficiencies identified following the assessment of new APIMFs for non-sterile APIs during a 6-year period from 1 January 2007 to 31 December 2012. All deficiencies were collected, classified and quantified according to the Common Technical Document (CTD) sections and subsections and as groups of commonly raised questions. RESULTS: There were 5446 deficiencies collected from 159 APIMF deficiency letters by CTD section, by selected CTD subsections and by selected CTD subsections and year. More than 50% of the total number of deficiencies related to the manufacturing sections of the CTD, followed by deficiencies concerning the impurities, the API specification and the stability sections of the CTD. A pattern of API deficiencies across the different CTD subsections and over time was identified. CONCLUSIONS: The most frequent critical deficiencies were related to how the specific manufacturing process and the key materials used, in particular the API starting material, impact the API impurities content. The number and pattern of APIMF deficiencies did not change over time. The results are compared to the findings in similar studies as reported by the United States Food and Drug Administration (USFDA), the European Directorate for the Quality of Medicines (EDQM) and the European Medicines Agency (EMA) and similarities and differences are discussed. Our findings highlight the need for greater guidance and technical assistance for API manufacturers submitting APIMFs to the PQP.
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 | 0,019 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».