The Challenges of Switching Therapies in an Evolving Multiple Biosimilars Landscape: A Narrative Review of Current Evidence
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.
Notice bibliographique
Résumé
With the increasing availability of biosimilars, the practice of switching therapies for non-medical reasons between an originator biologic and an analogous biosimilar has become more common. The evidence to support this practice mostly comes from single-switch randomized controlled trials (RCTs) and real-world (RW) evidence studies. However, as more biosimilars of the same originator enter the market, multiple switching events between originators and biosimilars is becoming a reality, despite limited evidence to support the efficacy and safety of such practice. Some countries have established guidelines, policies, or laws related to interchangeability and/or automatic substitution, whereas others have left these practices unregulated or controlled by other components of the healthcare system. Collectively, guidelines on single non-medical switching are often vague, with even less focus given to multiple non-medical switching, leaving this practice mostly unregulated. This narrative review will first discuss the current regulatory perspectives on non-medical switching and challenges associated with switching therapies, particularly with the availability of multiple biosimilars. We will then review the current evidence from RCTs and RW studies in the light of three different multiple-switch scenarios currently taking place in clinical practice: switching between an originator and a single biosimilar, switching between biosimilars of the same originator, and the clinical practice of switching back to the originator (i.e., switchbacks) after a failure of the initial non-medical switch to the analogous biosimilar.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle