MétaCan
Menu
Retour à la cohorte
Enregistrement W4296654245 · doi:10.23880/pdraj-16000101

Do’s and Don’ts in Early Drug Development

2018· article· en· W4296654245 sur OpenAlexaff
Francois Xavier Lacasse

Notice bibliographique

RevuePharmaceutical Drug Regulatory Affairs Journal · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueBiotechnology and Related Fields
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésDruggabilityDrug developmentDrugEngineering ethicsDrug discoveryBusinessRisk analysis (engineering)MedicineNanotechnologyPharmacologyEngineeringBiologyBioinformaticsGenetics

Résumé

récupéré en direct d'OpenAlex

Over the last decade, the health science landscape has been occupied by numerous biotech’s and start-up companies. Most of the time, the scientific level of these companies is outstanding, the way new molecular entities have been developed has evolved with no doubt but despite this evolution changes it must be acknowledged that it still has certain limitations as to the way it functions. Drug development should be regarded as a drawer chest where each drawer represents a drug development step, such as preclinical, preformulation, formulation, regulatory affairs and clinical should be opened and closed at the same time. This short communication will put the emphasis on the preclinical and the chemistry manufacturing and controls (CMC) phases since it has been noted that these sections are plus or less neglected in early drug development. This is confirmed by the fact that almost 50% of the new chemical entities are failing during the preclinical phase and the fact that new molecular entities are becoming more and more difficult to formulate (showing bad druggability profile), that has shown without a doubt that early drug development should be tailored around these two early drug development steps

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,032
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,170

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,045
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,021
Communication savante0,0100,017
Science ouverte0,0020,005
Intégrité de la recherche0,0060,011
Charge utile insuffisante (le modèle a refusé de juger)0,0140,006

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,303
Écart entre enseignants0,284 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePharmaceutical Drug Regulatory Affairs JournalMême sujetBiotechnology and Related FieldsTravaux en français237 207