MétaCan
Menu
Retour à la cohorte
Enregistrement W2889477519 · doi:10.1136/bmjgh-2018-000725

Field detection devices for screening the quality of medicines: a systematic review

2018· review· en· W2889477519 sur OpenAlex

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.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueBMJ Global Health · 2018
Typereview
Langueen
DomaineMedicine
ThématiquePharmaceutical Quality and Counterfeiting
Établissements canadiensnon disponible
Organismes subventionnairesDepartment for International DevelopmentWellcome TrustWellcomeDepartment of Foreign Affairs and Trade, Australian GovernmentAustralian GovernmentGovernment of the United KingdomGovernment of CanadaAsian Development Bank
Mots-clésConsumablesMedicineComputer scienceOptofluidicsNanotechnologyMicrofluidicsMedical physicsMaterials scienceChemistry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Poor quality medicines have devastating consequences. A plethora of innovative portable devices to screen for poor quality medicines has become available, leading to hope that they could empower medicine inspectors and enhance surveillance. However, information comparing these new technologies is woefully scarce. METHODS: We undertook a systematic review of Embase, PubMed, Web of Science and SciFinder databases up to 30 April 2018. Scientific studies evaluating the performances/abilities of portable devices to assess any aspect of the quality of pharmaceutical products were included. RESULTS: Forty-one devices, from small benchtop spectrometers to 'lab-on-a-chip' single-use devices, with prices ranging from <US$10 to >US$20 000, were included. Only six devices had been field-tested (GPHF-Minilab, CD3/CD3+, TruScan RM, lateral flow dipstick immunoassay, CBEx and Speedy Breedy). The median (range) number of active pharmaceutical ingredients (APIs) assessed per device was only 2 (1-20). The majority of devices showed promise to distinguish genuine from falsified medicines. Devices with the potential to assay API (semi)-quantitatively required consumables and were destructive (GPHF-Minilab, PharmaChk, aPADs, lateral flow immunoassay dipsticks, paper-based microfluidic strip and capillary electrophoresis), except for spectroscopic devices. However, the 10 spectroscopic devices tested for their abilities to quantitate APIs required processing complex API-specific calibration models. Scientific evidence of the ability of the devices to accurately test liquid, capsule or topical formulations, or to distinguish between chiral molecules, was limited. There was no comment on cost-effectiveness and little information on where in the pharmaceutical supply chain these devices could be best deployed. CONCLUSION: Although a diverse range of portable field detection devices for medicines quality screening is available, there is a vitally important lack of independent evaluation of the majority of devices, particularly in field settings. Intensive research is needed in order to inform national medicines regulatory authorities of the optimal choice of device(s) to combat poor quality medicines.

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 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)0,010
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,287
Score d'incertitude au seuil0,672

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,353
Tête enseignante GPT0,624
Écart entre enseignants0,271 · 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