Parameterization of Physiologically Based Biopharmaceutics Models: Workshop Summary Report
Notice bibliographique
Résumé
This Article shares the proceedings from the August 29th, 2023 (day 1) workshop "Physiologically Based Biopharmaceutics Modeling (PBBM) Best Practices for Drug Product Quality: Regulatory and Industry Perspectives". The focus of the day was on model parametrization; regulatory authorities from Canada, the USA, Sweden, Belgium, and Norway presented their views on PBBM case studies submitted by industry members of the IQ consortium. The presentations shared key questions raised by regulators during the mock exercise, regarding the PBBM input parameters and their justification. These presentations also shed light on the regulatory assessment processes, content, and format requirements for future PBBM regulatory submissions. In addition, the day 1 breakout presentations and discussions gave the opportunity to share best practices around key questions faced by scientists when parametrizing PBBMs. Key questions included measurement and integration of drug substance solubility for crystalline vs amorphous drugs; impact of excipients on apparent drug solubility/supersaturation; modeling of acid-base reactions at the surface of the dissolving drug; choice of dissolution methods according to the formulation and drug properties with a view to predict the in vivo performance; mechanistic modeling of in vitro product dissolution data to predict in vivo dissolution for various patient populations/species; best practices for characterization of drug precipitation from simple or complex formulations and integration of the data in PBBM; incorporation of drug permeability into PBBM for various routes of uptake and prediction of permeability along the GI tract.
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 | 0,012 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,009 |
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 ».