Evaluation of some properties of individual bioequivalence (IBE) from replicate-design studies
Notice bibliographique
Résumé
BACKGROUND: One of the claimed benefits of the individual bioequivalence (IBE) approach has been that the aggregate regulatory model rewards a test formulation when it has a within-subject variation smaller than the reference product. Hauck et al. [1996] demonstrated that, in the absence of random variations, this property of IBE was due to the tradeoff between the difference of the means and the deviation between the intrasubject variances of the two formulations. The tradeoff was a consequence of the aggregate regulatory model. However, calculations of Endrenyi and Hao [1998] showed that, in the presence of random variations, not only rewards but also penalties can arise due to chance alone. METHODS: A data set of 55 investigations made public by the FDA in 1999 and containing replicate crossover designs was analyzed. Two parameters, AUC and Cmax, were determined in each investigation. RESULTS: The analyses of the FDA data indicate that: rewards and penalties occur at similar frequencies, large rewards and penalties are recorded quite often, and the aggregate IBE model is rather insensitive to the difference between the estimated means and is compatible with the frequent occurrence of large deviations. CONCLUSION: Rewards and penalties, apparently arising from random variations, can affect regulatory decisions on the acceptance of IBE and can lead to incorrect conclusions.
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 | 0,022 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».