MétaCan
Menu
Retour à la cohorte
Enregistrement W4324304790 · doi:10.1097/ftd.0000000000001041

Generic Medicinal Products in Immunosuppressive Therapy—Should It be a Challenge for Therapeutic Drug Monitoring?

2023· review· en· W4324304790 sur OpenAlexaboutno aff
Arkadiusz Kocur, Paweł K. Kunicki, T. Pawiński

Notice bibliographique

RevueTherapeutic Drug Monitoring · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueRenal Transplantation Outcomes and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBioequivalenceTherapeutic drug monitoringMedicineEuropean unionPharmacologyDrugGuidelinePharmacokineticsSummary of Product CharacteristicsEverolimusTacrolimusIntensive care medicineBusinessInternal medicineTransplantation

Résumé

récupéré en direct d'OpenAlex

ABSTRACT: Immunosuppressants have a narrow therapeutic index (NTIDs). Indisputably cyclosporine, tacrolimus, everolimus, and sirolimus have NTIDs, and only in the case of mycophenolic acid, a scientific discussion has not been yet concluded. Their specificities highlight the implications for generics introduced into the drug market, more precisely, with bioequivalence testing. In the European Union, the European Medicines Agency (EMA) released the "Guideline on the Investigation of Bioequivalence." The bioequivalence (BE) of the generic (tested, T) versus original (reference, R) product should be confirmed by obtaining a 90% confidence interval (CI) for the T:R ratio of each of the 2 decisive pharmacokinetic parameters, namely, the area under the curve (AUC) between 90.00% and 111.11%. A similar approach (90.00%-112.00%) for AUC was adopted by the Canadian Agency for Drugs and Technologies in Health (CADTH) for NTIDs; however, the US Food and Drug Administration is still based on classic acceptance criteria: 90% CI between 80.00% and 125.00% but with special requirements of BE testing. A discussion about long-expected global consensus was performed in this study based on the literature concerning BE testing in the case of NTIDs. The narrow acceptance criteria reduce the potential mean difference in bioavailability between generic and original products by a few percent. To identify this problem, special attention has been paid to switching drugs (generic-generic, original-generic) and therapeutic drug monitoring after conversion (TDM). There is no global consensus on the acceptance criteria for the BE of generic drugs; therefore, consensus and harmonization are strictly necessary. This study presents a review of the generic drug market and its classification by manufacturers, drug agencies, and dates of marketing authorization. Guidelines for TDM optimization (during switching/conversion) have been proposed. Physicians and clinical pharmacists should pay special attention to switching immunosuppressive drugs between original versus generic formulations, and generic versus generic formulations. Patients and their families should be educated on the risks associated with uncontrolled conversion.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,957
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,293
Tête enseignante GPT0,433
Écart entre enseignants0,140 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

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

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTherapeutic Drug MonitoringMême sujetRenal Transplantation Outcomes and TreatmentsTravaux en français237 207