相关实验视频
Updated: Jun 17, 2025

An R-Based Landscape Validation of a Competing Risk Model
Published on: September 16, 2022
在蜂产品监管中的风险分类策略的贝叶斯网络分析
Guoshu Jia1, Lixia Fu2, Likun Wang3
1Institute of Clinical Pharmacology, Peking University First Hospital, Beijing 100034, China; Department of Pharmacy Administration and Clinical Pharmacy, School of Pharmaceutical Sciences, Peking University, Beijing 100191, China; School of International Pharmaceutical Business, China Pharmaceutical University, Nanjing 211198, China.
本研究使用贝叶斯网络来比较细胞治疗的监管风险分类. 它强调了对现实世界的数据和机器学习的需求,以改善这些先进治疗的安全评估和监管框架.
科学领域:
- 监管科学 监管科学
- 生物技术是生物技术.
- 数据科学数据科学数据科学
背景情况:
- 细胞疗法需要强大的监管框架,但在风险分类方面缺乏全球共识.
- 现有的监管方法在有效管理与新型基于细胞的产品相关的风险方面面临挑战.
- 需要基于数据的方法来完善细胞治疗规范中的风险评估.
研究的目的:
- 通过贝叶斯网络分析,比较和评估FDA,MHLW和WHO的蜂产品的风险分类策略.
- 评估关键风险因素的适当性及其对不同监管框架内的临床安全的影响.
- 为蜂产品的监管系统提出改进建议,重点是基于风险的分类和利用机器学习.
主要方法:
- 贝叶斯网络分析用于比较主要监管机构的风险分类策略.
- 使用现实世界的数据来验证开发的贝叶斯网络模型.
- 一项副研究专门研究了嵌合抗原受体 (CAR) T 细胞治疗的风险因素.
主要成果:
- 该研究确定了改进蜂产品风险分类方法的领域.
- 关键的风险因素,包括CAR标,瘤类型和共刺激领域,对于CAR T细胞治疗的安全性评估至关重要.
- 分析表明,贝叶斯网络在细胞产品风险分类的监管决策中具有实用性.
结论:
- 现有数据驱动的监管框架和基于风险的审查方法对蜂产品的现实世界存在差距.
- 实施机器学习,例如贝叶斯网络,可以提高对蜂产品安全性的评估.
- 这项研究为改善先进细胞疗法的全球监管协调和安全监督提供了基础.
相关概念视频
Types of Biopharmaceutical Studies: Controlled and Non-Controlled Approaches
Non-controlled studies, commonly employed for initial exploration, lack a control group, rendering them susceptible to biases and external influences. In contrast,...
Hazard Rate
Probability Laws
Protein Networks
These interactions can be represented through maps depicting protein-protein interaction networks, represented as nodes and edges. Nodes are circles that are representative of a protein,...
Mechanistic Models: Compartment Models in Individual and Population Analysis
Parametric Survival Analysis: Weibull and Exponential Methods
Weibull Distribution
The Weibull distribution is a flexible model used in parametric survival analysis. It can handle both increasing and decreasing hazard rates, depending on its shape parameter...

