Evaluating cardiac risk: exposure response analysis in early clinical drug development
Notice bibliographique
Résumé
Julie Grenier,1 Sabina Paglialunga,2 Bruce H Morimoto,2 Robert M Lester3 1Data Management and Biometric, Celerion, Montreal, QC, Canada; 2Scientific Affairs, Celerion, Lincoln, NE, USA; 3Global Clinical Research, Celerion, Tempe, AZ, USA Abstract: The assessment of a drug’s cardiac liability has undergone considerable metamorphosis by regulators since International Council for Harmonization of Technical Requirement for Pharmaceuticals for Human Use E14 guideline was introduced in 2005. Drug developers now have a choice in how proarrhythmia risk can be evaluated; the options include a dedicated thorough QT (TQT) study or exposure response (ER) modeling of intensive electrocardiogram (ECG) captured in early clinical development. The alternative approach of ER modeling was incorporated into a guidance document in 2015 as a primary analysis tool which could be utilized in early phase dose escalation studies as an option to perform a dedicated TQT trial. This review will describe the current state of ER modeling of intensive ECG data collected during early clinical drug development; the requirements with regard to the use of a positive control; and address the challenges and opportunities of this alternative approach to assessing QT liability. Keywords: concentration-effect modeling, thorough QT study, intensive ECG collection, intersection union test, QT/QTc, assay sensitivity, positive control, moxifloxacin
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».