MétaCan
Menu
Retour à la cohorte
Enregistrement W2900828482 · doi:10.1016/j.drudis.2018.11.011

Advancing nonclinical innovation and safety in pharmaceutical testing

2018· review· en· W2900828482 sur OpenAlex
Elizabeth Baker, Nancy A. Beck, Ellen L. Berg, Helene D. Clayton‐Jeter, P. Charukeshi Chandrasekera, J. Lowry Curley, Bruce A. Donzanti, Lorna Ewart, Jane M. Gunther, J. Gerry Kenna, Edward L. LeCluyse, Michael Liebman, Catherine L. Pugh, Paul B. Watkins, Kristie Sullivan

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueDrug Discovery Today · 2018
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueBiosimilars and Bioanalytical Methods
Établissements canadiensCanadian Centre for Policy Alternatives
Organismes subventionnairesNational Academy of SciencesDefense Advanced Research Projects Agency
Mots-clésHuman useIn silicoDrug discoveryDrug developmentPharmacologyRisk analysis (engineering)DrugMedicineComputer scienceBiotechnologyBioinformaticsBiology

Résumé

récupéré en direct d'OpenAlex

Nonclinical tests are considered crucial for understanding the safety of investigational medicines. However, the effective translation from nonclinical to human application is limited and must be improved. Drug development stakeholders are working to advance human-based in vitro and in silico methods that may be more predictive of human efficacy and safety in vivo because they enable scientists to model the direct interaction of drugs with human cells, tissues, and biological processes. Here, we recommend test-neutral regulations; increased funding for development and integration of human-based approaches; support for existing initiatives that advance human-based approaches; evaluation of new approaches using human data; establishment of guidelines for procuring human cells and tissues for research; and additional training and educational opportunities in human-based approaches.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,080
Tête enseignante GPT0,410
Écart entre enseignants0,330 · 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