Revisiting FDA’s 1995 Guidance on Bioequivalence Establishment of Topical Dermatologic Corticosteroids: New Research Based Recommendations
Notice bibliographique
Résumé
PURPOSE: As per the US FDA guidance issued on June 2, 1995, the establishment of bioequivalence for topical dermatologic corticosteroids is based on comparing the pharmacodynamic (PD) effects of Test and Reference products at the dose duration corresponding to the population ED50, determined either by naïve pooled data or nonlinear mixed effect modeling (NLME). The guidance was introduced using a study case example where the expectation maximization (EM) NLME algorithm, as implemented in P-PHARM®, was used. Although EM methods are relatively common, other methods such as the First-Order Conditional Estimation (FOCE) as implemented in the NONMEM® software are even more common. The objective of this study was to investigate the impact of using different parametric population modeling/analysis methods and distribution assumptions on population analysis results. METHODS: The dose duration-response data from 11 distinct skin blanching blinded pilot studies were fitted using FOCE (NONMEM®) and an EM algorithm (ADAPT5® (MLEM)). Three different Emax models were tested for each method. Population PD estimates and associated CV%, and the agreement between model predicted values and observed data were compared between the two methods. The impact of assuming different distributions of PD parameters was also investigated. RESULTS: The simple Emax model, as proposed in the FDA guidance, appeared to best characterize the data compared to more complex alternatives. The MLEM method in general appeared to provide better results than FOCE; lower population PD estimates with less inter-individual variability, and no variance shrinkage issues. The results also favored ln-normal versus normal distribution assumptions. CONCLUSIONS: The population ED50 estimates were influenced by both the type of population modeling methods and the distribution assumptions. We recommend updating the FDA guidance with more specific instructions related to the population approach to be used (EM-like versus FOCE-like methods) and to the normality assumptions that need to be set (ln-normal versus normal distribution).
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 | 0,016 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».