MétaCan
Menu
Retour à la cohorte
Enregistrement W4403353876 · doi:10.22159/ajpcr.2024v17i10.52179

STREAMLINING REGULATORY DOCUMENTATION: EXPLORING THE COMMON TECHNICAL DOCUMENT (CTD) AND ELECTRONIC SUBMISSION, WITH EMPHASIS ON M SERIES ACCORDING TO ICH GUIDELINES

2024· article· en· W4403353876 sur OpenAlexaboutno aff
Rashyap Saraswat, Ankita Raikwar, Satanik Panda

Notice bibliographique

RevueAsian Journal of Pharmaceutical and Clinical Research · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArtificial Intelligence in Law
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCTDDocumentationEmphasis (telecommunications)Series (stratigraphy)Computer scienceTelecommunicationsBiologyProgramming languageGeologyPaleontology

Résumé

récupéré en direct d'OpenAlex

A number of regulatory bodies have worked together to create the Common Technical Document (CTD), including the United States Food and Drug Administration, the European Medicines Agency, and the Japanese Ministry of Health. This standardized format facilitates the collection and submission of regulatory documentation pertaining to applications for new medicines. Since its inception in 2000, the CTD has been widely adopted internationally, including by nations such as Canada, Australia, and India. The CTD aims to streamline the submission process, reduce duplication of effort, and facilitate regulatory evaluations by providing a uniform structure for technical documentation. This article outlines the guidelines and organization of the CTD, including its modules covering administrative information, quality, non-clinical studies, and clinical trials. The CTD’s significance lies in its ability to improve regulatory efficiency, promote data transparency, and expedite the availability of new medicines to patients. However, challenges persist, such as variations in regional requirements and the need for continued adaptation to evolving technological standards. Electronic submissions and improved information management are two ways in which the new electronic CTD (eCTD) has improved submission procedures. Despite some ongoing issues, the CTD and eCTD represent significant advancements in regulatory documentation, with the potential for further innovation and global adoption in the future.

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)0,194
score de la tête « metaresearch » (Gemma)0,315
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,194
Score d'incertitude au seuil0,993

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1940,315
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0120,012
Études des sciences et des technologies0,0060,022
Communication savante0,0260,033
Science ouverte0,0060,017
Intégrité de la recherche0,0080,012
Charge utile insuffisante (le modèle a refusé de juger)0,0060,005

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 Opus0,400
Tête enseignante GPT0,607
Écart entre enseignants0,207 · 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.

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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Journal of Pharmaceutical and Clinical ResearchMême sujetArtificial Intelligence in LawTravaux en français237 207