Repurposing existing drugs for new uses: a cohort study of the frequency of FDA-granted new indication exclusivities since 1997
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
BACKGROUND: Drug repurposing (i.e., finding novel uses for existing drugs) is essential for maximizing medicines' therapeutic utility, but obtaining regulatory approval for new indications is costly. Policymakers have therefore created temporary indication-specific market exclusivities to incentivize drug innovators to run new clinical investigations. The effectiveness of these exclusivities is poorly understood. OBJECTIVE: To determine whether generic entry impacts the probability of new indication additions. METHODS: For a cohort of all new small-molecule drugs approved by the FDA between July 1997 and May 2020, we tracked new indications added for the subset of drugs that experienced generic entry during the observation period and then analyzed how the probability of a new indication changed with the number of years since/to generic entry. RESULTS: Of the 197 new drugs that subsequently experienced generic entry, only 64 (32%) had at least one new indication added. The probability of a new indication addition peaked above 4% between 7 and 8 years prior to generic entry and then to dropped to near zero 15 years after FDA approval. We show that the limited duration of exclusivity reduces the number of secondary indications significantly. CONCLUSION: Status quo for most drug innovators is creating novel one-indication products. Despite indication-specific exclusivities, the imminence of generic entry still has a detectable impact on reducing the chances of new indication additions. There is much room for improvement when it comes to incentivizing clinical investigations for new uses and unlocking existing medicines' full therapeutic potential.
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 | 0,008 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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