Challenges of post‐authorization safety studies: Lessons learned and results of a French study of fentanyl buccal tablet
Notice bibliographique
Résumé
PURPOSE: Recruiting and retaining participants in real-world studies that collect primary data are challenging. This article illustrates these challenges using a post-authorization safety study (PASS) to assess adverse events (AEs) experienced with fentanyl buccal tablet (FBT) over 3 months of treatment. METHODS: This was an observational, prospective, multicenter study in France conducted over 1 year. The study employed primary data collection in FBT-treated patients and their treating physicians via a site qualification questionnaire and patient log completed by physicians and a questionnaire and pain diary completed by patients. Strategies to increase participation included reminders, newsletters, frequent follow-up telephone calls, and reducing the extent of data collected. RESULTS: Of the 1118 physicians contacted who returned the participation form or responded to a telephone call, only 128 expressed willingness to participate. Key reasons for non-participation were lack of interest (69.7%) and FBT not being used in practice by the contacted physician (25.1%). Overall, 224 patients were screened by 31 physicians, and 97 were enrolled. Key reasons for patient non-inclusion were unwillingness or inability to complete the patient AE diary or questionnaire (40.9% [52/127]) and patients' decision (33.9% [43/127]). CONCLUSIONS: Despite efforts to increase participation, enrollment in this study was low. Recruitment and retention methods are limited in their capacity to optimally execute a primary data collection in a PASS. For a PASS to provide reliable and valid information on medication use, involvement from health care agencies, regulators, and pharmaceutical companies is needed to establish their importance, drive study participation, and reduce patient withdrawal.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,282 | 0,213 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».