MétaCan
Menu
Retour à la cohorte
Enregistrement W4393116991 · doi:10.1111/bph.16337

Novel drugs approved by the EMA, the FDA, and the MHRA in 2023: A year in review

2024· review· en· W4393116991 sur OpenAlexaff
Andreas Papapetropoulos, Stavros Topouzis, S P H Alexander, Miriam M. Cortese‐Krott, D Kendall, Kirill A. Martemyanov, Claudio Mauro, Nithyanandan Nagercoil, Reynold A. Panettieri, Hemal H. Patel, Rainer Schulz, Barbara Stefañska, Gary J. Stephens, Mauro Martins Teixeira, Nathalie Vergnolle, Xin Wang, Péter Ferdinandy

Notice bibliographique

RevueBritish Journal of Pharmacology · 2024
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesMedical Research CouncilNemzeti Kutatási Fejlesztési és Innovációs HivatalNational Research, Development and Innovation OfficeSemmelweis EgyetemHellenic Academic Libraries LinkU.S. Department of Veterans Affairs
Mots-clésMedicineAuthorizationDrugPharmacologyMarketing authorizationDrug approvalDrug discoveryBioinformaticsBiology

Résumé

récupéré en direct d'OpenAlex

In 2023, seventy novel drugs received market authorization for the first time in either Europe (by the EMA and the MHRA) or in the United States (by the FDA). Confirming a steady recent trend, more than half of these drugs target rare diseases or intractable forms of cancer. Thirty drugs are categorized as "first-in-class" (FIC), illustrating the quality of research and innovation that drives new chemical entity discovery and development. We succinctly describe the mechanism of action of most of these FIC drugs and discuss the therapeutic areas covered, as well as the chemical category to which these drugs belong. The 2023 novel drug list also demonstrates an unabated emphasis on polypeptides (recombinant proteins and antibodies), Advanced Therapy Medicinal Products (gene and cell therapies) and RNA therapeutics, including the first-ever approval of a CRISPR-Cas9-based gene-editing cell therapy.

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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,714
Score d'incertitude au seuil0,447

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
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 Opus0,012
Tête enseignante GPT0,357
Écart entre enseignants0,345 · 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'étudeSans objet
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

Citations36
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of PharmacologyMême sujetCRISPR and Genetic EngineeringTravaux en français237 207