A89 CHARACTERISTICS AND CONFLICTS OF INTEREST AT FOOD AND DRUG ADMINISTRATION GASTROINTESTINAL DRUG ADVISORY COMMITTEE MEETINGS
Notice bibliographique
Résumé
Abstract Background The United States Food and Drug Administration (FDA) Gastrointestinal Drug Advisory Committee (GIDAC) is involved in gastrointestinal drug application reviews. Characteristics and conflicts of interest (COI) in GIDAC meetings are not well described. Aims To analyze FDA GIDAC meetings and characteristics that predict recommendations. Methods This was a cross-sectional study of all publicly available GIDAC meetings where proposed medications were voted on from 1998–2018. Data were collected on individual meetings and individual voting members at meetings. Predefined predictor variables included type of medication, medication sponsor, primary efficacy studies, and voting member characteristics (e.g. committee membership, COI). Univariate analyses were conducted at per-meeting and per-vote levels to assess for predictors of committee recommendation and individual votes respectively. Results Thirty-four meetings with 476 individual votes from 1998–2018 were included. Twenty-three (68%) proposals were recommended for approval and 25 (74%) received FDA approval. Most proposals involved >1 primary study (n=27, 79%). At least one voting member had a COI in 24 (71%) of 34 meetings. Twelve (35%) meetings had at least one sponsor COI. Among 476 individual votes, 74 (15.5%) involved a COI, with 33 (6.9%) sponsor COI. COI decreased significantly over time, with more COI in 1996–2000 and 2001–2005 compared to 2006–2010, 2011–2015, and 2016–2020 (p<0.01). There were no significant associations between pre-defined predictors, including COI, and committee level recommendations or individual votes (p>0.05 for all univariate analyses). Conclusions The GIDAC reviewed 34 proposals from 1998–2018. The majority were recommended for approval and later approved by the FDA, highlighting the GIDAC’s prominence in the regulatory process. COI are present among GIDAC panelists but decreasing over time and not associated with recommendations. Funding Agencies None
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».