Lessons from the National institutes of health innovation corps program: defining barriers to developing and commercializing novel solutions for persons with opioid use disorder
Notice bibliographique
Résumé
BACKGROUND: Translating innovative research advancements into commercially viable medical interventions presents well-known challenges. However, there is limited understanding of how specific patient, clinical, social, and legal complexities have further complicated and delayed the development of new and effective interventions for Opioid Use Disorder (OUD). We present the following case studies to provide introductory clinical, social, and business insights for researchers, medical professionals, and entrepreneurs who are considering or are currently developing medical. METHODS: Four small business recipients of National Institute on Drug Abuse (NIDA) small business grant funding collected a total of 416 customer discovery interviews during the 2021 National Institutes of Health (NIH) Innovation-Corps (I-Corps) program. Each business received funding to advance an OUD-specific innovation: therapeutics (2 companies), medical device (1 company), and Software as a Medical Device (SaMD) (1 company). Interview participants included stakeholders from a variety of disciplines of Substance Use Disorders (SUD) healthcare including clinicians, first responders, policymakers, relevant manufacturers, business partners, advocacy groups, regulatory agencies, and insurance companies. RESULTS: Agnostic to the type of product (therapeutic, device, or SaMD), several shared barriers were identified: (1) There is a lack of standardization across medical providers for managing patients with OUD, resulting in diverse implementation practices due to a fragmented healthcare policy; (2) Underlying Social Determinants of Health (SDOH) present unique challenges to medical care and contribute to poor outcomes in OUD; (3) Stigma thwarts adoption, implementation, and the development of innovative solutions; (4) Constantly evolving public health trends and legal policies impact development and access to OUD interventions. CONCLUSION: It is critical for innovators to have early interactions with the full range of OUD stakeholders to identify and quantify true unmet needs and to properly position development programs for commercial success. The NIH I-Corps program provides a framework to educate researchers to support their product design and development plans to increase the probability of a commercially successful outcome to address the ongoing opioid epidemic.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».