Clinical trial registration, reporting, publication and FDAAA compliance: a cross-sectional analysis and ranking of new drugs approved by the FDA in 2012
Notice bibliographique
Résumé
OBJECTIVE: To evaluate clinical trial registration, reporting and publication rates for new drugs by: (1) legal requirements and (2) the ethical standard that all human subjects research should be publicly accessible to contribute to generalisable knowledge. DESIGN: Cross-sectional analysis of all clinical trials submitted to the Food and Drug Administration (FDA) for drugs approved in 2012, sponsored by large biopharmaceutical companies. DATA SOURCES: Information from Drugs@FDA, ClinicalTrials.gov, MEDLINE-indexed journals and drug company communications. MAIN OUTCOME MEASURES: Clinical trial registration and results reporting in ClinicalTrials.gov, publication in the medical literature, and compliance with the 2007 FDA Amendments Acts (FDAAA), analysed on the drug level. RESULTS: The FDA approved 15 drugs sponsored by 10 large companies in 2012. We identified 318 relevant trials involving 99 599 research participants. Per drug, a median of 57% (IQR 32-83%) of trials were registered, 20% (IQR 12-28%) reported results in ClinicalTrials.gov, 56% (IQR 41-83%) were published, and 65% (IQR 41-83%) were either published or reported results. Almost half of all reviewed drugs had at least one undisclosed phase II or III trial. Per drug, a median of 17% (IQR 8-20%) of trials supporting FDA approvals were subject to FDAAA mandated public disclosure; of these, a median of 67% (IQR 0-100%) were FDAAA-compliant. 68% of research participants (67,629 of 99,599) participated in FDAAA-subject trials, with 51% (33,405 of 67,629) enrolled in non-compliant trials. Transparency varied widely among companies. CONCLUSIONS: Trial disclosures for new drugs remain below legal and ethics standards, with wide variation in practices among drugs and their sponsors. Best practices are emerging. 2 of our 10 reviewed companies disclosed all trials and complied with legal disclosure requirements for their 2012 approved drugs. Ranking new drugs on transparency criteria may improve compliance with legal and ethics standards and the quality of medical knowledge.
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 | 0,082 | 0,107 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».