MétaCan
Menu
Retour à la cohorte
Enregistrement W2015519154 · doi:10.1615/jlongtermeffmedimplants.v19.i3.20

New Orthopedic Devices and the FDA

2009· article· en· W2015519154 sur OpenAlexaff
Ujash Sheth, Nhu-An Nguyen, Seán Gaines, Mohit Bhandari, Charles T. Mehlman, Guy Klein

Notice bibliographique

RevueJournal of Long-Term Effects of Medical Implants · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueBiomedical Ethics and Regulation
Établissements canadiensHamilton General HospitalMcMaster UniversityQueen's University
Organismes subventionnairesnon disponible
Mots-clésFood and drug administrationMedical deviceMedicineClinical trialMedical emergencyBusinessRisk analysis (engineering)Pathology

Résumé

récupéré en direct d'OpenAlex

Each year the field of orthopedics is introduced to an influx of new medical devices. Each of these medical devices has faced certain hurdles prior to being approved for marketing by the U.S. Food and Drug Administration (FDA). Among the regulatory pathways available, the 510(k) premarket notification is by far the one most commonly used. The 510(k) premarket notification allows the manufacturer to receive prompt approval of their device by demonstrating that it is "substantially equivalent" to an existing legally marketed device. In most instances, this proof of substantial equivalence allows manufacturers of medical devices to bypass the use of clinical trials, which are a hallmark of the approval process for new drugs. As a result, most medical devices are approved without demonstrating safety or effectiveness. This article reviews the regulatory processes used by the FDA to evaluate new orthopedic devices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,977
Score d'incertitude au seuil0,298

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,323
Écart entre enseignants0,313 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Long-Term Effects of Medical ImplantsMême sujetBiomedical Ethics and RegulationTravaux en français237 207