Koje su minimalne veličine uzorka za predkliničke studije NHP-a?

Ne postoji jedinstvena minimalna veličina uzorka za svaku pretkliničku studiju neljudskog primata (NHP).

Pravi broj zavisi od pitanja, primarne krajnje tačke, očekivanog efekta tretmana, biološke varijabilnosti, statističkog dizajna i etike rada.NHP farmakologijagrupe su po pravilu manje od grupa glodara, ali to ne znači da jedan fiksni broj nosi modele bolesti ili ciljeve istraživanja.

Bolje pitanje nije "koji je najmanje majmuna sa kojima se mogu izvući?" to je:Koji je najmanji uzorak koji može odgovoriti na primarno pitanje bez trošenja životinja?To uokvirivanje je važno u radu NHP-a, gdje je svaka životinja prava naučna, etička i finansijska obaveza.

NHP studije imaju tendenciju da koriste manje životinje nego rad na glodarima, iz nekoliko razloga.

NHP su bliži ljudima u fiziologiji i anatomiji, tako da neke translacijske krajnje točke imaju veću težinu po životinji. NHP studije se također u velikoj mjeri oslanjaju na longitudinalno mjerenje: ponovljena PK crtanja, snimanje, bodovanje ponašanja, praćenje biomarkera. Jedna životinja daje mnoge podatke u cijeloj studiji, tako da mala grupa još uvijek može dati mnogo.

Povrh toga, istraživanja primata imaju veću etičku težinu. Majmune i majmune nije lako nabaviti, a granica blagostanja je visoka. Dakle, nije cilj koristiti što je više moguće, već je koristiti najmanje onih koji još uvijek daju interpretabilan rezultat.

ARRIVE 2.0 odražava ovo. Smjernice zahtijevaju od autora da navedu tačan broj eksperimentalnih jedinica i objasne kako su ga dobili, uključujući bilo kakvu apriornu kalkulaciju veličine uzorka. Ne daju vam univerzalni broj životinja.

Za većinu istraživačkog i farmakološkog rada, NHP grupe imaju jednocifrene brojeve, a ne desetice. Ali raspon je širok.

Istraživačka studija sa uskim ciljem, izvodljivošću, postavljanjem modela, izloženošću, ranim PD signalima, ponekad se može izvoditi sa samo nekoliko životinja po grupi. Kontrolisana studija efikasnosti treba više statističke podrške. Nekoliko po grupi može učiniti ako je krajnja tačka čvrsta i efekat je jasan; trebat će vam više kada se krajnja tačka koleba ili je očekivani učinak mali.

Uzdužni i crossover dizajni mogu se izvući s manje životinja, budući da svaka djeluje kao vlastita kontrola. Suprotno vrijedi kada imate više krakova, bučne krajnje tačke, očekivano napuštanje programa ili nekoliko nezavisnih poređenja.

Zato tretirajte "5 po grupi" ili "10 po grupi" kao sidra, a ne kao zakon. To su početne tačke koje zavise od dizajna, a ne od regulatornih podova.

Veličina uzorka treba da prati primarni cilj studije, a ne vrstu.

1. Primarna krajnja tačka

Obično najveća poluga. Za stabilno kvantitativno očitavanje potrebno je manje životinja od bučnog ponašanja, slikanja ili težine bolesti.

PK studija, na primjer, izvlači ponovljena mjerenja koncentracije kod svake životinje, tako da mala grupa još uvijek može riješiti pitanje izloženosti. Studija efikasnosti zasnovana na lutajućem kliničkom rezultatu treba više jedinica da bi se uočio pravi efekat lečenja. Dimenzionirajte studiju oko krajnje tačke koja nosi glavne dokaze.

2. Očekivana veličina efekta

Veličina efekta je razlika koju pokušavate otkriti. Veliki, biološki značajan efekat se pojavljuje sa manje životinja; malom treba mnogo više.

Zato je "za NHP studije potrebno najmanje šest po grupi" na prvi pogled nepotpuno. Šest bi moglo biti dovoljno za jednu krajnju tačku, a ni blizu dovoljno za drugu. Učvrstite svoj očekivani učinak u prethodnim podacima NHP-a, pilotu, povijesnim kontrolama, objavljenom radu ili odbranivoj procjeni klinički relevantnog jaza.

3. Varijabilnost krajnje tačke

Varijabilnost direktno pokreće veličinu uzorka. Raštrkanoj grupi potrebno je više životinja da odvoji signal od buke; čvrsta, ponovljiva krajnja tačka može obaviti posao sa manje.

To rasipanje dolazi od starosti, pola, težine, osnovne težine bolesti, razlika u PK, načina na koji je bolest izazvana, individualne biologije. U radu NHP-a, kontrola te varijabilnosti u fazi dizajna može biti važna kao i dodavanje životinja.

4. Statistička snaga i nivo značajnosti

Za studije zasnovane na hipotezama, analiza snage postavlja broj. Ulazni podaci su očekivana veličina efekta, varijabilnost ili standardna devijacija, nivo značajnosti (obično α = 0,05), ciljna snaga (često 80% ili 90%), te statistički model i dizajn.

Smjer je jednostavan: manji efekat za otkrivanje, stroža greška tipa I ili veća snaga sve to podiže traženo n prema gore.

Jedno upozorenje. Pokrenite analizu snage na stvarnoj primarnoj krajnjoj točki. Pozajmljivanje varijanse iz nepovezanog modela ili druge krajnje tačke proizvodi procjene veličine uzorka koje ne vrijede, a taj zalogaj je oštriji u radu NHP-a gdje su uporedivi istorijski skupovi podataka tanki.

5. Dizajn studije

Sam dizajn mijenja matematiku. Paralelne grupe trebaju odvojene životinje u svakoj ruci. Dizajn unakrsnih ili ponovljenih mjera istiskuje više informacija iz svake životinje i može smanjiti varijaciju između životinja.

Uzdužno praćenje istih životinja je efikasnije iz istog razloga. Ali ponovljene mjere ne brišu potrebu za adekvatnim n. Korelacija između vremenskih tačaka, očekivanog odustajanja, podataka koji nedostaju i pravog modela spadaju u planiranje.

Linija koja je najvažnija je istraživačka nasuprot potvrdnoj.

Istraživački rad može imati za cilj da pokaže pouzdanu indukciju modela bolesti, skicira PK profil, pronađe raspon doze, provjeri angažman cilja ili proizvede rane znakove aktivnosti. Oni su često namjerno mali, kako bi naučili dovoljno prije nego što se posvete većem programu efikasnosti.

Potvrdna studija efikasnosti je drugačija. Ako pokušavate demonstrirati unaprijed definirani učinak u odnosu na kontrolu, n treba počivati ​​na formalnom statističkom obrazloženju kad god postoje podaci koji ga podržavaju.

To je i razlog zašto se objavljene veličine uzoraka NHP-a toliko variraju. Mala istraživačka studija i studija efikasnosti nisu uporedivi samo zato što su oba koristila makakije.

Veći n povećava snagu, ali to nije lijek za sve.

Ako je dizajn neuredan, više životinja to neće popraviti. Varijabilnost od nekonzistentne indukcije bolesti, pogrešne krajnje tačke, tehničke buke ili slabe randomizacije preživljava veći uzorak.

U NHP radu obično je pametniji potez prvo smanjiti varijabilnost koja se može izbjeći. Standardizirajte način na koji izazivate bolest, pravilno odredite životinje, uravnotežite alokaciju, unaprijed postavite kriterije za uključivanje i isključivanje, održite uzorkovanje dosljednim i koristite objektivne kvantitativne krajnje točke. To služi nauci i etici istovremeno, koristeći životinje samo kada je opravdano.

Mali uzorak nije jednak slaboj studiji.

NHP studije mogu izvući mnogo iz svake životinje kada ugrade ponovljene mjere i komplementarne krajnje točke. Jedna životinja može doprinijeti longitudinalnim PK, PD biomarkerima, slikama, kliničkim zapažanjima i rezultatima ponašanja kroz studiju. Napredno in vivo snimanje vam omogućava da pratite napredovanje bolesti ili odgovor tokom vremena bez ubijanja životinje u svakoj vremenskoj tački; Prisysova translacijska platforma, na primjer, podržava MRI, CT, PET-CT i DSA za ovu vrstu longitudinalnog NHP rada.

Kvantitativno ponašanje funkcionira na isti način. 3D praćenje bez markera, često vođeno umjetnom inteligencijom, mjeri kretanje i ponašanje tokom vremena i dodaje još jednu longitudinalnu krajnju tačku za farmakologiju.

Ništa od ovoga ne zamjenjuje ispravan proračun veličine uzorka. To samo čini da svaka eksperimentalna jedinica zaradi svoje zadržavanje.

Radni redoslijed planiranja izgleda ovako:

1. Odredite primarno pitanje i krajnju tačku koja na njega odgovara. Dizajnirajte oko krajnje tačke, a ne unapred određenog broja zaposlenih. 2. Procijenite očekivani efekat i varijabilnost na osnovu istorijskih podataka NHP-a, pilot-projekta, literature ili drugog odbramljivog izvora. 3. Odaberite statistički model i postavite nivo značajnosti i snagu koju želite. 4. Pokrenite a priori izračun veličine uzorka gdje se primjenjuje. 5. Prije zaključavanja broja, faktor u opadanju, ponovljene mjere, broj ruku, seksualnu mješavinu, randomizaciju i dobrobit.

Kada pouzdane procjene varijanse ne postoje, što je uobičajeno u radu NHP-a, osloniti ćete se na mješavinu statistike, prethodnog iskustva, pilot podataka i prosudbi. Literatura označava upravo ovo: direktno relevantni preliminarni podaci su često tanki, a proračuni snage izgrađeni na nepovezanim krajnjim tačkama ne izdrže.

Ne uvek.

Formalni proračun snage zarađuje u studijama vođenim hipotezama koje su namijenjene otkrivanju unaprijed definiranog efekta. Za neke istraživačke studije, teško je ili pogrešno pokrenuti jednu kada još nemate pouzdane procjene veličine efekta ili varijabilnosti.

Ono što je onda bitna je transparentnost. Recite zašto ste odabrali broj i na koje pitanje je studija napravljena da odgovori. ARRIVE 2.0 traži isto: objasnite kako je podešena veličina uzorka i pokažite a priori izračun ako ste ga napravili.

Ne postoji univerzalni broj, ali razumno pravilo: istraživačke NHP studije se često izvode jednocifrenim brojkama po grupi, dok će za propisno pokrenutu studiju efikasnosti možda biti potrebno više u zavisnosti od krajnje tačke i njene varijabilnosti.

Postavite taj broj iz cilja i statističkih pretpostavki, a ne iz generičke tabele veličine uzorka NHP-a. Iskusni NHP tim će odmeriti model bolesti, očekivani farmakološki efekat, prethodne kontrole, varijabilnost krajnje tačke, dizajn i dostupne longitudinalne mere pre konačnog brojanja.

Prava veličina uzorka NHP je najmanja koja odgovara na unaprijed definirano pitanje.

To znači da ne postoji univerzalni "minimum" koji pokriva farmakologiju, modeliranje bolesti, PK/PD, snimanje ili sigurnost. Tri po grupi mogu biti ispravne za jedan istraživački cilj, a pogrešne za drugi. A gomilanje više životinja neće spasiti lošu krajnju točku ili nekontroliranu varijabilnost.

Opravdana NHP studija balansira statističku osjetljivost, translacijske ciljeve, izvodljivost i dobrobit iz prve linije protokola. Za sponzore koji planiraju studiju efikasnosti ili translacionu farmakološku studiju, planiranje veličine uzorka uključuje odabir modela, definiciju krajnje tačke, randomizaciju, doziranje, PK/PD uzorkovanje i analizu, a ne pričvršćuje se na kraju.

Percie du Sert N, Hurst V, Ahluwalia A, et al. Smjernice ARRIVE 2.0: Ažurirane smjernice za prijavu istraživanja na životinjama.PLoS Biology.2020;18(7):e3000410. doi:10.1371/journal.pbio.3000410.

Kontaktirajte Prisys Biotech