MétaCan
Menu
Retour à la cohorte
Enregistrement W4410773714 · doi:10.1016/j.yrtph.2025.105864

A multi-dimensional comparative study of 505(b)(2) NDAs approved by FDA and Class 2 NDAs approved by NMPA from 2017 to 2023: Uncovering trends, characteristics, and regulation of modified new drugs

2025· article· en· W4410773714 sur OpenAlexaff
Lixia Fu, Songtao Dong, Ran Xie, Gao Jia, Nan Zhao, Qian Xiang, Xiwei Ji, Xia Zhao, Lingyue Ma, Yimin Cui

Notice bibliographique

RevueRegulatory Toxicology and Pharmacology · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensUniversity of Toronto
Organismes subventionnairesBeijing Municipal Science and Technology CommissionNational Natural Science Foundation of ChinaPeking University First Hospital
Mots-clésClass (philosophy)MedicinePharmacologyComputer science

Résumé

récupéré en direct d'OpenAlex

Modified new drugs are pivotal in advancing innovative therapies through repurposing existing therapeutic agents. The regulatory framework, including the pertinent regulations and policies, plays a crucial role in shaping the development and evolution of these drugs. This retrospective study systematically compared the regulatory approvals of modified new drugs via the 505(b)(2) new drug application (NDA) pathway in the United States (US) and Class 2 NDA pathway in China from 2017 to 2023, which focused on distinctions in registration classifications, availability, therapeutic indications, dosage forms, modifications, clinical advantages and clinical study designs. The findings indicate that the US has more detailed and comprehensive classification systems, as well as a higher number of approvals (417 vs. 99). Moreover, the modified new drugs approved in China still exhibit significant gaps in indication distribution, dosage forms, and modifications compared to those in the US. Notably, a greater proportion of confirmatory clinical studies were conducted for Class 2 NDAs (81.4 %) than 505(b)(2) NDAs (41.0 %), with a significant difference in the use of active controls (48.6 % in China vs. 26.4 % in the US, P = 0.002). Additionally, the combination of emerging technologies in modified new drugs presents both technical and regulatory challenges for authorities. It raises worthwhile questions about how regulators will evaluate medical products developed with entirely new technologies. Therefore, it is recommended that Chinese regulators refine registration classifications, reassess the positioning of modified new drugs, and expand the definition of clinical advantage within the policy and regulatory framework. These measures are essential for addressing unmet medical needs and fostering a conducive ecosystem for the advancement of modified new drugs.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,999
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,032
Tête enseignante GPT0,343
Écart entre enseignants0,311 · 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'étudeObservationnel
DomaineÉvaluation
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

Citations3
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueRegulatory Toxicology and PharmacologyMême sujetComputational Drug Discovery MethodsTravaux en français237 207