Clinical Trial Transparency and Orphan Drug Development: Recent Trends in Data Sharing by the Pharmaceutical Industry
Notice bibliographique
Résumé
BACKGROUND: Data sharing from clinical trials can be key to the development and approval of medicines for rare diseases. Many events during the first half of 2013 have contributed to the movement for increased transparency. These include the development of the European Medicines Agency's new data publication policy, the creation of the AllTrials petition and GlaxoSmithKline's choice to sign it, the launch of GlaxoSmithKline's system for access to patient-level clinical trial data and Roche's commitment to create a similar system, the release of results from the Yale University Open Data Access project's first medicine analysis for Medtronic, and the creation of the Reg4All website. AIMS/OBJECTIVES: This paper summarises major developments in clinical trial transparency between January and June 2013 and analyses the composition of datasets released by GlaxoSmithKline. METHODS: GlaxoSmithKline's database of available trials was tabulated and graphs of relevant trial characteristics were produced. RESULTS/CONCLUSIONS: Due to current transparency initiatives, it is likely that much more data will be made available over the next few years through systems similar to GlaxoSmithKline's. Although some aspects of GlaxoSmithKline's model could limit its usefulness, the data currently listed is diverse and could be promising for researchers interested in rare disease treatment.
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 | 0,324 | 0,480 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,014 | 0,029 |
| Études des sciences et des technologies | 0,002 | 0,016 |
| Communication savante | 0,021 | 0,026 |
| Science ouverte | 0,007 | 0,014 |
| Intégrité de la recherche | 0,006 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».