MétaCan
Menu
Retour à la cohorte
Enregistrement W2799953939 · doi:10.2147/dhps.s133286

Evaluating cardiac risk: exposure response analysis in early clinical drug development

2018· review· en· W2799953939 sur OpenAlexaff
Julie Grenier, Sabina Paglialunga, Bruce H. Morimoto, Robert M. Lester

Notice bibliographique

RevueDrug Healthcare and Patient Safety · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueCardiac electrophysiology and arrhythmias
Établissements canadiensCelerion (Canada)
Organismes subventionnairesnon disponible
Mots-clésProarrhythmiaMedicineDrug developmentGuidelineIntensive care medicineRisk analysis (engineering)DrugClinical trialHarmonizationPharmacologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

The assessment of a drug's cardiac liability has undergone considerable metamorphosis by regulators since International Council for Harmonization of Technical Requirement for Pharmaceuticals for Human Use E14 guideline was introduced in 2005. Drug developers now have a choice in how proarrhythmia risk can be evaluated; the options include a dedicated thorough QT (TQT) study or exposure response (ER) modeling of intensive electrocardiogram (ECG) captured in early clinical development. The alternative approach of ER modeling was incorporated into a guidance document in 2015 as a primary analysis tool which could be utilized in early phase dose escalation studies as an option to perform a dedicated TQT trial. This review will describe the current state of ER modeling of intensive ECG data collected during early clinical drug development; the requirements with regard to the use of a positive control; and address the challenges and opportunities of this alternative approach to assessing QT liability.

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)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,969
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,074
Tête enseignante GPT0,425
Écart entre enseignants0,350 · 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'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrug Healthcare and Patient SafetyMême sujetCardiac electrophysiology and arrhythmiasTravaux en français237 207