MétaCan
Menu
Retour à la cohorte
Enregistrement W4386997187 · doi:10.22270/ijdra.v11i3.613

Similarities and differences in filing for Drug Master File in US, Canada and Europe

2023· article· en· W4386997187 sur OpenAlexaboutno aff
Unnati Suthar, Zuki Patel, Vinit Movaliya, Niranajan Kanaki, Shrikalp Deshpande, Maitreyi Zaveri

Notice bibliographique

RevueInternational Journal of Drug Regulatory Affairs · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiquePharmaceutical Economics and Policy
Établissements canadiensnon disponible
Organismes subventionnairesAmerican Sleep Medicine Foundation
Mots-clésDiscretionConfidentialityBusinessDatabaseComputer scienceLawComputer securityPolitical science

Résumé

récupéré en direct d'OpenAlex

Drug Master File or DMF is a document prepared by a pharmaceutical manufacturer and submitted solely at its discretion to the applicable authority in the intended drug market. The document provides the non-supervisory authority with confidential, detailed information about installations, processes, or papers used in the manufacturing, processing, packaging, and storing of one or further mortal drugs. The DMF form allows an establishment to cover its intellectual property from its mate while complying with non-supervisory conditions for exposure of processing details. There is no non-supervisory demand to file a DMF. Drug Master Files (DMF) is a document containing complete information on an Active Pharmaceutical element (API) or finished drug capsule form. Though there are no non-supervisory conditions to file a DMF, the benefit of its use is inviting. A drug Master Files (DMF) is an voluntary non-supervisory submission and is submitted at the discretion of the DMF holder to help their guests. A DMF is NOT a cover for an IND, NDA, ANDA, or Export Application. It is not approved or disapproved. An Active Substance Master File (ASMF) is the presently honored term in Europe, formerly known as European drug Master file (eDMF) or a US- Drug Master File( US- DMF) in the United States.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,970

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,037
Tête enseignante GPT0,246
Écart entre enseignants0,209 · 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 tête enseignante, pas un consensus.

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

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Drug Regulatory AffairsMême sujetPharmaceutical Economics and PolicyTravaux en français237 207