Unlicensed and Off-Label Drug Use in Children Before and After Pediatric Governmental Initiatives
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: Governmental agencies (US Food and Drug Administration and European Medicines Agency) implemented initiatives to improve pediatric clinical research, starting in 1997 and 2007, respectively. The aim of this review was to quantify the unlicensed and off-label drug uses in children before and after these implementations. METHODS: Literature review of unlicensed and off-label drug uses was performed on PubMed and Google-Scholar from 1985 to 2014. Relevant titles/abstracts were reviewed, and articles were included if evaluating unlicensed/off-label drug uses, with a clear description of health care setting and studied population. Included articles were divided into 3 groups: studies conducted in United States (before/after 2007), in Europe (before/after 2007), and in other countries. RESULTS: Of the 48 articles reviewed, 27 were included. Before implementation of pediatric initiatives, global unlicensed drug use rate in Europe was found to be 0.2% to 36% for inpatients and 0.3% to 16.6% for outpatients. After implementation, it marginally decreased to 11.4% and 1.26% to 6.7%, respectively. Concerning off-label drug use rates, it was found to be 18% to 66% for inpatients and 10.5% to 37.5% for outpatients before the implementation. After implementation, it decreased marginally to 33.2% to 46.5% and to 3.3% to 13.5%, respectively. In other countries, unlicensed and off-label drug use rates were found to be, respectively, 8% to 27.3% and 11% to 47%. CONCLUSIONS: Governmental initiatives to improve clinical research conducted in children seem to have had a marginal effect to decrease the unlicensed and off-label drug uses prevalence in Europe.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle