Analysis of the Regulatory Science Applied to a Single Portfolio of Eight Biosimilar Product Approvals by Four Key Regulatory Authorities
Notice bibliographique
Résumé
Slow uptake of biosimilars in some regions is often attributed to a lack of knowledge combined with concerns about safety and efficacy. To alleviate physician and patient apprehensions, regulatory reviews from four major regulatory authorities (RAs) (European Medicines Agency, US Food and Drug Administration, Health Canada, and Japan Pharmaceuticals and Medical Devices Authority) across a portfolio of eight biosimilars were analyzed to provide insight into RA review focus and approach. RA queries were evaluated in an unbiased and systematic manner by major classification (Chemistry, Manufacturing and Controls [CMC], nonclinical, clinical or regulatory) and then via detailed sub-classification. There was a consistent, predominant focus on CMC from all RAs. The review focus based on sub-classification of clinical and regulatory queries was influenced by molecular complexity, with significant differences between categories (monoclonal antibody or protein) in the distribution of query topics; specifically, bioanalytical (p = 0.023), comparative safety and efficacy (p = 0.023), and statutory (including the justification of extrapolation) (p = 0.00033). Each biosimilar had a distinct distribution of clinical query topics, tailored to product-specific data. This analysis elucidated areas of heightened RA interest, and validated their application of regulatory science in the evaluation of biosimilar safety and efficacy.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».