U.S. Food and Drug Administration Inspections of Clinical Investigators: Overview of Results from 1977 to 2009
Notice bibliographique
Résumé
The U.S. Food and Drug Administration (FDA) Center for Drug Evaluation and Research is responsible for evaluating drug safety and efficacy, including oversight of clinical trials and principal investigators. The FDA Clinical Investigator Inspection List (CIIL) contains online, detailed, relevant information of all FDA inspections. We reviewed FDA inspections of clinical investigators to ascertain their outcome and included all inspections on the list (July 1977 through December 31, 2009; n = 9,481 inspections). Eighty-eight percent of inspections were "data audit" (primary purpose = verification of data), and the rest (12%) were "for cause." The number of inspections each year significantly increased over time (P < 0.0001) and averaged 350 per year in the past decade. No deficiencies were found in only 11.2% of all "data audit" and 5% of all "for cause" inspections. Only 31% of inspections resulted in "no action indicated." About two thirds of inspections resulted in some finding, requiring either voluntary investigator action (61.3% of inspections) or official FDA action (3.9%). The most frequently cited deficiencies were failure to follow investigational plan (34%), inadequate informed consent form (28%), and inadequate/inaccurate records (27%). In conclusion, over the past decade, the FDA has performed approximately 350 inspections per year, with the number increasing over time. The vast majority of FDA inspections yield deficiency findings and, as a result, only about one third of inspections have an outcome of "no action indicated."
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 | 0,066 | 0,290 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,013 |
| 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 ».