MétaCan
Menu
Retour à la cohorte
Enregistrement W6908722109 · doi:10.3389/fmed.2021.617625.s003

Table_3_A Comparative Study for License Application Regulations on Proprietary Chinese Medicines in Hong Kong and Canada.DOCX

2021· dataset· en· W6908722109 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2021
Typedataset
Langueen
DomaineEngineering
ThématiqueInertial Sensor and Navigation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLicenseProduct (mathematics)Traditional Chinese medicineProcess (computing)ChinaPlan (archaeology)

Résumé

récupéré en direct d'OpenAlex

<p>Ethnopharmacological Relevance: Chinese Medicine plays a symbolic role among traditional medicines. As Chinese Medicine products are widely used around the globe, regulations for Chinese Medicine products are often used as models for the efficient regulation of natural products that are safe, and high-quality.</p><p>Aim of the Study: We aimed to compare the regulatory registration requirements for Proprietary Chinese Medicines in Hong Kong and Canada.</p><p>Materials and Methods: We compared registration requirements for Proprietary Chinese Medicine in Hong Kong and Canada based on publicly available information provided by the respective Regulators. A marketed product, Zhizhu Kuanzhong Capsule (SFDA approval number Z20020003; NPN approval number 80104354), was used as a case study to demonstrate the similarities and differences of the requirements in both Hong Kong and Canada.</p><p>Results: There were similarities and differences between the two regulatory systems in terms of the quality, safety and efficacy requirements. Despite the superficial appearance of similar categories and groups/classes, Hong Kong requires significantly more primary test data compared to Canada's reliance on attestation to manufacturing according the standards outlined in approved reference pharmacopeias/texts.</p><p>Conclusion: Improved understand of the similarity and differences will enable applicants to plan appropriate strategies for gaining product approval. Exploring ways to harmonize the regulatory process has the potential to benefit manufacturers, regulators, and patients by increasing efficiency and decreasing costs.</p>

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,655
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,019
Tête enseignante GPT0,269
Écart entre enseignants0,250 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetInertial Sensor and NavigationTravaux en français237 207