Innovation and off‐label use, the French case and more
Notice bibliographique
Résumé
The review by Borysowski et al does not deal with all of the issues surrounding off-label use in France.1 Indeed, Borysowski et al agree that the medical professional codes that they reviewed do not adequately address the problem of how new and innovative drugs are used.1 Finally, off-label use is only one way that the quality of prescribing is being compromised. On one hand, more and more drugs are granted accelerated approval by regulatory agencies on the basis of surrogate outcomes (with tenuous or unknown links for relevant clinical outcomes such as morbidity and quality of life) and on the promise of post-marketing studies which are only performed in two thirds of cases, and with a median delay of four years.12 On the other hand, market withdrawal is often unreasonably delayed, even in the case of drug-related deaths.13 Finding a prudent, middle ground to protect patient interests is an ongoing dilemma for drug regulators and prescribers, but moving too fast with approvals or prescriptions and too slow for withdrawals is the wrong path to follow. A.B. is a member of several task forces at the French Medicines Agency (Agence Nationale de Sécurité du Medicament). J.L. was a paid consultant on indication-based prescribing (United States Agency for Healthcare Research and Quality) and received payment for being on a panel that discussed a pharmacare plan for Canada (Canadian Institute, a for-profit organization). He is currently a member of The Jean Monnet Network in Health Law and Policy funded by the European Union (http://jmhealthnet.org/).
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».