MétaCan
Menu
← Retour à la cohorte
Enregistrement W6939309202 · doi:10.6084/m9.figshare.16836902.v1

Comparison of the registration process of the medicines control authority of Zimbabwe with Australia, Canada, Singapore, and Switzerland: benchmarking best practices

2021· dataset· en· W6939309202 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2021
Typedataset
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMycorrhizal Fungi and Plant Interactions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBenchmarkingBest practiceTimelineTransparency (behavior)Process (computing)Control (management)Key (lock)

Résumé

récupéré en direct d'OpenAlex

Benchmarking regulatory systems of low- and middle-income countries with mature systems provides an opportunity to identify gaps, enhance review quality, and reduce registration timelines, thereby improving patients’ access to medicines. The aim of this study was to compare the medicines registration process of the Medicines Control Authority of Zimbabwe (MCAZ) with the regulatory processes in Australia, Canada, Singapore, and Switzerland. A questionnaire that standardizes the review process, allowing key milestones, activities and practices of the five regulatory authorities was completed by a senior member of the divisions responsible for issuing marketing authorizations. The MCAZ has far fewer resources than the regulatory authorities in the comparator countries, but employs three review models, which is in line with international best practice. The MCAZ registration process is similar to the comparator countries in key milestones monitored, but differs in the target timelines for these milestones. The MCAZ is comparable to the comparator authorities in implementing the majority of good review practices, although it significantly lags behind in transparency and communication. This study identified the MCAZ strengths and opportunities for improvement, which if implemented, will enable the achievement of its vision to be a leading regulatory authority in Africa.

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)0,009
score de la tête « metaresearch » (Gemma)0,054
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,582
Score d'incertitude au seuil0,832

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,054
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,014
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,061
Tête enseignante GPT0,311
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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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 revueFigshare→Même sujetMycorrhizal Fungi and Plant Interactions→Travaux en français237 207→