Managing Risk in Developing Transplant Immunosuppressive Agents: The New Regulatory Environment
Notice bibliographique
Résumé
Recent adverse experience with a number of medications after their approval, including rofecoxib, erythropoietin and rosiglitazone, has led to an increased focus on safety in drug development in the postmarketing setting. The result was implementation of new measures to address perceived deficits in the system for drug approval and postmarketing safety. The resulting legislation introduced risk evaluation and mitigation strategies (REMS) and postmarketing requirements (PMRs). Although these initiatives have the potential to improve patient outcomes, many healthcare practitioners are not yet familiar with REMS or PMRs or may have misconceptions regarding their goals and limitations. REMS is a program to manage known or potential serious risks associated with pharmaceutical products and is designed to ensure that the benefits of using a particular product outweigh the risks. Although the concepts underlying REMS and PMRs are not novel, the FDA now has legal authority to enforce such measures as part of the drug approval process. This article outlines the objectives and limitations of REMS and PMRs, with a focus on how these regulatory measures may impact the clinical specialty of transplantation. The article also briefly describes efforts to address aspects of drug safety less amenable to management through REMS and PMRs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,077 | 0,098 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,017 |
| Communication savante | 0,015 | 0,014 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,010 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».