MétaCan
Menu
Retour à la cohorte
Enregistrement W2133707942 · doi:10.1002/sim.5567

Impact of variability on the choice of biosimilarity limits in assessing follow‐on biologics

2012· article· en· W2133707942 sur OpenAlexaff
Nan Zhang, Jun Yang, Shein‐Chung Chow, László Endrényi, Eric Chi

Notice bibliographique

RevueStatistics in Medicine · 2012
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueBiosimilars and Bioanalytical Methods
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBiosimilarBioequivalenceEconometricsLimit (mathematics)StatisticsComputer scienceEconomicsMathematicsPharmacologyMedicineBiotechnologyBiology

Résumé

récupéré en direct d'OpenAlex

With larger variation in biological products compared with small molecular drugs, it is suggested that the assessment of biosimilarity of follow-on biologics (FOBs) should take variability into consideration in addition to average as standard in bioequivalence tests in small molecule drugs. Recent research on assessing variability in biosimilarity of FOBs has focused on direct assessment of variances, individual biosimilar index aggregating average and variability, and comparison of the entire distributions. However, the choice of biosimilarity limits for evaluating FOBs has not been investigated in the literature. In this article, we first explore the impact of variability on biosimilarity limits for the average biosimilarity assessment. On the basis of the derived relationship between variability and biosimilarity limit that result in the same power given all other parameters fixed, we propose several scaled biosimilarity limits to incorporate highly variable biological products.

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)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,100
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0010,000

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 Opus0,096
Tête enseignante GPT0,426
Écart entre enseignants0,329 · 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.

Devis d'étudeObservationnel
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

Citations12
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStatistics in MedicineMême sujetBiosimilars and Bioanalytical MethodsTravaux en français237 207