MétaCan
Menu
Retour à la cohorte
Enregistrement W4406147632 · doi:10.1017/s0266462324003854

PD153 Horizon Scanning Analysis Of The Obesity Medicines Pipeline

2024· article· en· W4406147632 sur OpenAlexaboutno aff
Sola Akinbolade, Jane Nesworthy, Ross Fairbairn, Nicole O’Connor, Amy Hussain, Bethan Harris, Dawn Craig

Notice bibliographique

RevueInternational Journal of Technology Assessment in Health Care · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueNatural Products and Biological Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPipeline (software)HorizonMedicineObesityBusinessComputer scienceInternal medicineMathematics

Résumé

récupéré en direct d'OpenAlex

Introduction Horizon scanning provides timely intelligence about innovative health technologies in clinical development by commercial and non-commercial organizations. The horizon scanning for obesity medicines, carried out by the National Institute for Health and Care Research Innovation Observatory (IO), aimed to identify emerging obesity medicines to inform decision-making by national stakeholders and to shape future research. Methods In July 2023, the IO utilized horizon scanning methodology to identify medicines for preventing and treating obesity either primarily or as a comorbidity. The scans included medicines in preclinical and clinical development (phase I, I/II, II, II/III, III, or IV) sponsored by industry and non-industry for all population groups. Trial locations included Australia, Canada, the European Union, the UK, and the USA. Data were collected from the IO’s internal database (the Medicines Innovation Database), ClinicalTrials.gov, the European Union Drug Regulating Authorities Clinical Trials Database, the World Health Organization International Clinical Trials Registry Platform, and the Citeline Pharmaprojects database. The data were systematically screened and analyzed. Results A total of 405 clinical trials were identified that evaluated 177 unique medicinal interventions. Among these, 47 unique preclinical interventions were identified from preclinical studies. A total of 256 (63%) trials were sponsored by industry, 139 (34%) by non-industry, and 10 (3%) by industry and non-industry jointly. The top five drug classes included anorectic or anti-obesity medicines (n=75; 42%), antihyperglycemics (n=24; 14%), anti-inflammatories (n=8; 5%), hepatoprotectants (n=7; 4%), and antihyperlipidemics (n=4; 2%). At the time of scanning, 48 (27%) medicines were unlicensed in the UK and 129 (73%) were not. Among the licensed medicines, 37 (77%) were off patent and 11 (23%) were on patent. Conclusions The IO’s horizon scanning process can identify and deliver timely intelligence to support decision-making and facilitate adoption of new medicines to target areas of unmet clinical need. The obesity medicines scan identified medicinal interventions in preclinical and clinical development and provides valuable insights into the trends and research gaps in preventing and treating obesity.

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)0,001
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 enseignants0,268
Score d'incertitude au seuil0,421

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,024
Tête enseignante GPT0,446
Écart entre enseignants0,422 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Technology Assessment in Health CareMême sujetNatural Products and Biological ResearchTravaux en français237 207