Aké sú minimálne veľkosti vzoriek pre predklinické štúdie NHP?

Neexistuje žiadna minimálna veľkosť vzorky pre každú predklinickú štúdiu na primátoch (NHP).

Správny počet závisí od otázky, primárneho cieľa, očakávaného účinku liečby, biologickej variability, štatistického usporiadania a etiky práce.Farmakológia NHPskupiny sú spravidla menšie ako skupiny hlodavcov, ale to neznamená, že jedno pevné číslo sa prenáša medzi modely chorôb alebo študijné ciele.

Lepšia otázka nie je "aké je najmenej opíc, s ktorými sa môžem dostať?" je to:Aká je najmenšia vzorka, ktorá dokáže odpovedať na primárnu otázku bez plytvania zvieratami?Na tomto rámovaní záleží v práci NHP, kde je každé zviera skutočným vedeckým, etickým a finančným záväzkom.

Štúdie NHP majú tendenciu používať menej zvierat ako prácu na hlodavcoch, a to z niekoľkých dôvodov.

NHP sú vo fyziológii a anatómii bližšie k ľuďom, takže niektoré translačné koncové body majú väčšiu váhu na zviera. Štúdie NHP sa tiež výrazne opierajú o pozdĺžne meranie: opakované PK kresby, zobrazovanie, behaviorálne skóre, sledovanie biomarkerov. Jedno zviera poskytuje veľa údajov v rámci štúdie, takže malá skupina môže stále priniesť veľa.

Okrem toho má výskum primátov väčšiu etickú váhu. Nie je ľahké získať opice a opice a latka blahobytu je vysoká. Cieľom teda nie je použiť čo najviac, ale použiť čo najmenej, ktoré stále poskytujú interpretovateľný výsledok.

ARRIVE 2.0 to odráža. Pokyny vyžadujú, aby autori nahlásili presný počet experimentálnych jednotiek a vysvetlili, ako k tomu dospeli, vrátane akéhokoľvek a priori výpočtu veľkosti vzorky. Neposkytujú vám univerzálny počet zvierat.

Pri väčšine prieskumných a farmakologických prác sa skupiny NHP pohybujú v jednotných číslach, nie v desiatkach. Ale rozsah je široký.

Prieskumná štúdia s úzkym cieľom, uskutočniteľnosťou, nastavením modelu, expozíciou, skorými signálmi PD môže niekedy prebiehať len s niekoľkými zvieratami na skupinu. Kontrolovaná štúdia účinnosti potrebuje väčšiu štatistickú podporu. Niekoľko na skupinu môže urobiť, ak je koncový bod tesný a účinok je jasný; budete potrebovať viac, keď sa koncový bod kolíše alebo je očakávaný efekt malý.

Pozdĺžne a prekrížené dizajny môžu utiecť s menším počtom zvierat, pretože každé z nich funguje ako vlastný ovládací prvok. Opak platí, keď máte viacero ramien, hlučné koncové body, očakávané výpadky alebo niekoľko nezávislých porovnaní.

Takže „5 na skupinu“ alebo „10 na skupinu“ berte ako kotvy, nie zákony. Sú to východiskové body, ktoré závisia od dizajnu, nie od regulačných poschodí.

Veľkosť vzorky by sa mala riadiť hlavným cieľom štúdie, nie druhom.

1. Primárny koncový bod

Zvyčajne najväčšia páka. Stabilný kvantitatívny odpočet potrebuje menej zvierat ako skóre hlučného správania, zobrazovania alebo závažnosti ochorenia.

Napríklad PK štúdia vytiahne opakované merania koncentrácie z každého zvieraťa, takže malá skupina môže stále vyriešiť otázku expozície. Štúdia účinnosti postavená na bludnom klinickom skóre potrebuje viac jednotiek, aby sa dosiahol skutočný účinok liečby. Rozmerajte štúdiu podľa toho, ktorý koncový bod obsahuje hlavné dôkazy.

2. Očakávaná veľkosť účinku

Veľkosť efektu je rozdiel, ktorý sa snažíte zistiť. Veľký, biologicky zmysluplný účinok sa prejavuje s menším počtom zvierat; malý potrebuje oveľa viac.

To je dôvod, prečo „štúdie NHP potrebujú aspoň šesť na skupinu“ je na prvý pohľad neúplné. Šesť môže byť dosť pre jeden koncový bod a ani zďaleka nie dosť pre iný. Zakotvte svoj očakávaný účinok v predchádzajúcich údajoch NHP, pilotnom teste, historických kontrolách, publikovanej práci alebo obhájiteľnom odhade klinicky relevantnej medzery.

3. Variabilita koncového bodu

Variabilita priamo riadi veľkosť vzorky. Roztrúsená skupina potrebuje viac zvierat na oddelenie signálu od hluku; tesný, reprodukovateľný koncový bod zvládne prácu s menším počtom.

Tento rozptyl pochádza z veku, pohlavia, hmotnosti, základnej závažnosti ochorenia, PK rozdielov, ako bolo ochorenie vyvolané, individuálnej biológie. V práci NHP môže byť kontrola tejto variability v štádiu návrhu dôležitá rovnako ako pridávanie zvierat.

4. Štatistická sila a hladina významnosti

Pri štúdiách založených na hypotézach určuje počet výkonová analýza. Vstupmi sú očakávaná veľkosť účinku, variabilita alebo štandardná odchýlka, hladina významnosti (zvyčajne α = 0,05), cieľová sila (často 80 % alebo 90 %) a štatistický model a dizajn.

Smer je jednoduchý: menší účinok na detekciu, prísnejšia chyba typu I alebo vyšší výkon, to všetko posúva požadované n nahor.

Jedno upozornenie. Spustite analýzu výkonu na skutočnom primárnom koncovom bode. Požičiavanie si odchýlky od nesúvisiaceho modelu alebo iného koncového bodu vytvára odhady veľkosti vzorky, ktoré neplatia, a toto sústo je ostrejšie pri práci NHP, kde sú porovnateľné historické súbory údajov tenké.

5. Návrh štúdie

Samotný dizajn mení matematiku. Paralelné skupiny potrebujú samostatné zvieratá v každom ramene. Návrhy s prekrížením alebo opakovanými opatreniami vytlačia z každého zvieraťa viac informácií a môžu zmenšiť rozdiely medzi zvieratami.

Z rovnakého dôvodu je efektívnejšie aj pozdĺžne sledovanie tých istých zvierat. Ale opakované opatrenia nevymažú potrebu adekvátneho n. Do plánovania patrí korelácia medzi časovými bodmi, očakávaným výpadkom, chýbajúcimi údajmi a správnym modelom.

Línia, na ktorej záleží najviac, je prieskumná verzus potvrdzujúca.

Prieskumná práca by mohla mať za cieľ ukázať model choroby spoľahlivo, načrtnúť profil PK, nájsť rozsah dávok, skontrolovať zapojenie cieľa alebo vyvolať skoré príznaky aktivity. Tie často bežia zámerne malé, aby sa dostatočne naučili, kým sa zaviažu k väčšiemu programu účinnosti.

Potvrdzujúca štúdia účinnosti je iná. Ak sa pokúšate demonštrovať preddefinovaný účinok proti kontrole, n by malo spočívať na formálnom štatistickom zdôvodnení, kedykoľvek existujú údaje, ktoré ho podporujú.

To je tiež dôvod, prečo sa publikované veľkosti vzoriek NHP tak výrazne menia. Malá prieskumná štúdia a poháňaná štúdia účinnosti nie sú porovnateľné len preto, že obe používali makaky.

Väčšie n zvyšuje silu, ale nie je to liek na všetko.

Ak je dizajn odfláknutý, viac zvierat to neopraví. Variabilita spôsobená nekonzistentnou indukciou ochorenia, nesprávnym koncovým bodom, technickým šumom alebo slabou randomizáciou prežije väčšiu vzorku.

Pri práci NHP je zvyčajne múdrejší krok najskôr obmedziť variabilitu, ktorej sa dá vyhnúť. Štandardizujte spôsob, akým vyvolávate ochorenie, správne zaraďte zvieratá do východiskového stavu, vyvážte alokáciu, vopred stanovte kritériá zaradenia a vylúčenia, udržujte konzistentný odber vzoriek a používajte objektívne kvantitatívne koncové body. To slúži vede a etike naraz, pričom zvieratá sa používajú len vtedy, keď je to opodstatnené.

Malá vzorka nerovná sa slabá štúdia.

Štúdie NHP môžu z každého zvieraťa vytiahnuť veľa, keď zabudujú opakované merania a doplnkové koncové body. Jedno zviera môže prispieť pozdĺžnymi PK, PD biomarkermi, zobrazovaním, klinickými pozorovaniami a skóre správania v rámci štúdie. Pokročilé zobrazovanie in vivo vám umožňuje sledovať progresiu ochorenia alebo reakciu v priebehu času bez usmrtenia zvieraťa v každom časovom bode; Translačná platforma Prisys napríklad podporuje MRI, CT, PET-CT a DSA pre tento druh dlhodobej práce NHP.

Kvantitatívne správanie funguje rovnakým spôsobom. 3D sledovanie bez značiek, často riadené AI, meria pohyb a správanie v priebehu času a pridáva ďalší pozdĺžny koncový bod pre farmakológiu.

Nič z toho nenahrádza správny výpočet veľkosti vzorky. Vďaka tomu si každá experimentálna jednotka zarobí.

Funkčná plánovacia postupnosť vyzerá takto:

1. Označte primárnu otázku a koncový bod, ktorý na ňu odpovedá. Dizajn okolo koncového bodu, nie vopred stanovený počet zamestnancov. 2. Odhadnite očakávaný efekt a variabilitu z historických údajov NHP, pilotného projektu, literatúry alebo iného obhájiteľného zdroja. 3. Vyberte štatistický model a nastavte požadovanú úroveň významnosti a silu. 4. Spustite a priori výpočet veľkosti vzorky tam, kde to platí. 5. Pred uzamknutím čísla faktor opotrebovania, opakované merania, počet ramien, mix pohlavia, randomizácia a blaho.

Keď neexistujú spoľahlivé odhady rozptylu, čo je v práci NHP bežné, budete sa opierať o kombináciu štatistík, predchádzajúcich skúseností, pilotných údajov a úsudku. Literatúra uvádza presne toto: priamo relevantné predbežné údaje sú často slabé a výpočty výkonu postavené na nesúvisiacich koncových bodoch neobstoja.

Nie vždy.

Formálny výpočet sily si zasluhuje zachovanie v štúdiách založených na hypotézach, ktorých cieľom je zistiť vopred definovaný účinok. V prípade niektorých prieskumných štúdií je ťažké alebo nesprávne vykonať jednu, keď ešte nemáte spoľahlivé odhady veľkosti účinku alebo variability.

Na čom potom záleží, je transparentnosť. Povedzte, prečo ste si vybrali číslo a na akú otázku má štúdia odpovedať. ARRIVE 2.0 žiada to isté: vysvetlite, ako bola nastavená veľkosť vzorky, a ukážte a priori výpočet, ak ste ho urobili.

Neexistuje žiadne univerzálne číslo, ale rozumné pravidlo: prieskumné štúdie NHP často prebiehajú v jednociferných číslach na skupinu, zatiaľ čo správne napájaná štúdia účinnosti môže potrebovať viac v závislosti od koncového bodu a jeho variability.

Stanovte toto číslo z cieľa a štatistických predpokladov, nie zo všeobecnej tabuľky veľkosti vzorky NHP. Skúsený tím NHP zváži model ochorenia, očakávaný farmakologický účinok, historické kontroly, variabilitu koncového bodu, dizajn a dostupné pozdĺžne merania pred pristátím na konečnom počte.

Správna veľkosť vzorky NHP je tá najmenšia, ktorá odpovedá na vopred definovanú otázku.

To znamená, že neexistuje žiadne univerzálne „minimum“, ktoré by zahŕňalo farmakológiu, modelovanie chorôb, PK/PD, zobrazovanie alebo bezpečnosť. Tri na skupinu môžu byť správne pre jeden prieskumný cieľ a nesprávne pre iný. A nahromadenie viacerých zvierat nezachráni zlý koncový bod alebo nekontrolovanú variabilitu.

Opodstatnená štúdia NHP vyvažuje štatistickú citlivosť, translačné ciele, uskutočniteľnosť a blaho z prvého riadku protokolu. Pre sponzorov, ktorí plánujú štúdiu účinnosti alebo translačnej farmakologickej štúdie, patrí plánovanie veľkosti vzorky k výberu modelu, definícii koncového bodu, randomizácii, dávkovaniu, PK/PD odberu vzoriek a analýze, ktoré nie sú na konci priskrutkované.

Percie du Sert N, Hurst V, Ahluwalia A, a kol. Smernice ARRIVE 2.0: Aktualizované usmernenia pre podávanie správ o výskume na zvieratách.PLoS biológia.2020;18(7):e3000410. doi:10.1371/journal.pbio.3000410.

Kontaktujte Prisys Biotech