Il n’existe pas de taille d’échantillon minimale unique pour chaque étude préclinique sur les primates non humains (NHP).
Le bon nombre dépend de la question, du critère d’évaluation principal, de l’effet attendu du traitement, de la variabilité biologique, de la conception statistique et de l’éthique du travail.Pharmacologie des PSNEn règle générale, les groupes sont plus petits que les groupes de rongeurs, mais cela ne signifie pas qu'un nombre fixe s'applique à tous les modèles de maladie ou aux objectifs de l'étude.
La meilleure question n'est pas "quel est le moins de singes avec lequel je puisse m'en sortir ?" C'est:Quel est le plus petit échantillon capable de répondre à la question principale sans gaspiller d’animaux ?Ce cadre est important dans le travail sur les PSN, où chaque animal représente un véritable engagement scientifique, éthique et financier.
Pourquoi la taille des échantillons de PSN est généralement inférieure à celle des études sur les rongeurs
Les études sur les PSN ont tendance à utiliser moins d’animaux que les travaux sur les rongeurs, pour plusieurs raisons.
Les PSN sont plus proches des humains en termes de physiologie et d’anatomie, de sorte que certains paramètres translationnels ont plus de poids par animal. Les études NHP s'appuient également fortement sur la mesure longitudinale : tirages pharmacocinétiques répétés, imagerie, notation comportementale, suivi des biomarqueurs. Un animal fournit de nombreux points de données tout au long de l’étude, de sorte qu’un petit groupe peut toujours produire beaucoup.
De plus, la recherche sur les primates a un poids éthique plus lourd. Il n’est pas facile de se procurer des singes et des singes, et la barre en matière de bien-être est haute. Le but n’est donc pas d’en utiliser le plus possible, c’est d’en utiliser le moins qui donne quand même un résultat interprétable.
ARRIVE 2.0 reflète cela. Les lignes directrices exigent que les auteurs déclarent le nombre exact d’unités expérimentales et expliquent comment ils l’ont obtenu, y compris tout calcul a priori de la taille de l’échantillon. Ils ne vous donnent pas de décompte universel des animaux.
Alors, combien de PSN sont généralement nécessaires ?
Pour la plupart des travaux exploratoires et pharmacologiques, les groupes PSN se situent à un chiffre, et non à des dizaines. Mais la gamme est large.
Une étude exploratoire ayant un objectif précis, la faisabilité, la configuration du modèle, l'exposition et les premiers signaux de MP, peut parfois être menée avec seulement quelques animaux par groupe. Une étude d’efficacité contrôlée nécessite davantage de soutien statistique. Plusieurs par groupe peuvent suffire si le point final est serré et que l’effet est clair ; vous en aurez besoin de plus lorsque le point final vacille ou que l'effet attendu est faible.
Les conceptions longitudinales et croisées peuvent s'en sortir avec moins d'animaux, puisque chacun agit comme son propre contrôle. L’inverse est vrai lorsque vous avez plusieurs bras, des points de terminaison bruyants, des abandons attendus ou plusieurs comparaisons indépendantes empilées.
Considérez donc « 5 par groupe » ou « 10 par groupe » comme des points d'ancrage et non comme des lois. Ce sont des points de départ qui dépendent de la conception, et non des seuils réglementaires.
Qu’est-ce qui détermine la taille minimale de l’échantillon ?
La taille de l'échantillon doit suivre l'objectif principal de l'étude, et non l'espèce.
1. Critère principal
Généralement le plus gros levier. Une lecture quantitative stable nécessite moins d’animaux qu’un score bruyant de comportement, d’imagerie ou de gravité de la maladie.
Une étude pharmacocinétique, par exemple, tire des mesures répétées de la concentration de chaque animal, de sorte qu'un petit groupe peut toujours répondre à la question de l'exposition. Une étude d’efficacité fondée sur un score clinique errant nécessite davantage d’unités pour constater un véritable effet thérapeutique. Dimensionnez l’étude en fonction du critère d’évaluation qui contient les principales preuves.
2. Taille de l’effet attendue
La taille de l'effet est la différence que vous essayez de détecter. Un effet important et biologiquement significatif apparaît avec moins d’animaux ; un petit a besoin de beaucoup plus.
C'est pourquoi « les études sur les PSN nécessitent au moins six études par groupe » sont incomplètes à première vue. Six peuvent suffire pour un point de terminaison et loin d’être suffisants pour un autre. Ancrez votre effet attendu dans des données PSN antérieures, un projet pilote, des contrôles historiques, des travaux publiés ou une estimation défendable de l'écart cliniquement pertinent.
3. Variabilité des points finaux
La variabilité détermine directement la taille de l’échantillon. Un groupe dispersé a besoin de plus d’animaux pour séparer le signal du bruit ; un point final précis et reproductible peut faire le travail avec moins de ressources.
Cette dispersion provient de l’âge, du sexe, du poids, de la gravité initiale de la maladie, des différences pharmacocinétiques, de la manière dont la maladie a été induite et de la biologie individuelle. Dans le cadre des travaux sur les PSN, contrôler cette variabilité dès la phase de conception peut être aussi important que l’ajout d’animaux.
4. Puissance statistique et niveau de signification
Pour les études basées sur des hypothèses, l’analyse de puissance définit le nombre. Les entrées sont la taille de l'effet attendue, la variabilité ou l'écart type, le niveau de signification (généralement α = 0,05), la puissance cible (souvent 80 % ou 90 %), ainsi que le modèle et la conception statistiques.
La direction est simple : un effet plus petit à détecter, une erreur de type I plus stricte ou une puissance plus élevée font tous augmenter le n requis.
Une mise en garde. Exécutez l’analyse de puissance sur le véritable critère de jugement principal. Emprunter la variance à un modèle non lié ou à un paramètre différent produit des estimations de la taille de l'échantillon qui ne tiennent pas, et cette morsure est plus nette dans les travaux sur les PSN où les ensembles de données historiques comparables sont minces.
5. Conception de l'étude
La conception elle-même change les mathématiques. Les groupes parallèles nécessitent des animaux séparés dans chaque bras. Les conceptions croisées ou à mesures répétées extraient plus d'informations de chaque animal et peuvent réduire la variance entre les animaux.
Le suivi longitudinal des mêmes animaux est plus efficace pour la même raison. Mais des mesures répétées n’effacent pas la nécessité d’une protection adéquate. La corrélation entre les points temporels, l'abandon attendu, les données manquantes et le bon modèle appartiennent tous à la planification.
Études exploratoires et études d'efficacité de confirmation
La ligne qui compte le plus est exploratoire versus confirmatoire.
Les travaux exploratoires pourraient viser à montrer qu’un modèle de maladie induit de manière fiable, à esquisser un profil pharmacocinétique, à trouver une plage de doses, à vérifier l’engagement d’une cible ou à produire des signes précoces d’activité. Ceux-ci sont souvent volontairement petits, pour en apprendre suffisamment avant de s’engager dans un programme d’efficacité plus important.
Une étude de confirmation de l’efficacité est différente. Si vous essayez de démontrer un effet prédéfini par rapport à un contrôle, le n doit reposer sur une justification statistique formelle chaque fois que les données existent pour en soutenir une.
C’est également la raison pour laquelle la taille des échantillons de PSN publiés varie si largement. Une petite étude exploratoire et une étude d’efficacité motorisée ne sont pas comparables simplement parce que les deux ont utilisé des macaques.
Pourquoi « plus d'animaux » n'est pas toujours la réponse
Bigger n augmente la puissance, mais ce n’est pas une panacée.
Si la conception est bâclée, plus d’animaux ne pourront pas la réparer. La variabilité due à une induction incohérente de la maladie, à un mauvais critère d'évaluation, à des bruits techniques ou à une faible randomisation survit à un échantillon plus large.
Dans le domaine des PSN, la solution la plus judicieuse consiste généralement à réduire d’abord la variabilité évitable. Standardisez la façon dont vous induisez la maladie, évaluez correctement les animaux, équilibrez l'allocation, définissez les critères d'inclusion et d'exclusion à l'avance, maintenez l'échantillonnage cohérent et utilisez des paramètres quantitatifs objectifs. Cela sert à la fois la science et l’éthique, en utilisant les animaux uniquement lorsque cela est justifié.
Quand un petit échantillon de PSN peut encore être informatif
Un petit échantillon n’équivaut pas à une étude faible.
Les études sur les PSN peuvent tirer beaucoup de leçons de chaque animal lorsqu'elles intègrent des mesures répétées et des critères d'évaluation complémentaires. Un animal peut contribuer aux biomarqueurs longitudinaux PK, PD, à l’imagerie, aux observations cliniques et aux scores comportementaux tout au long de l’étude. L'imagerie in vivo avancée vous permet de suivre la progression ou la réponse de la maladie au fil du temps sans tuer l'animal à chaque instant ; La plate-forme translationnelle de Prisys, par exemple, prend en charge l'IRM, la tomodensitométrie, la TEP-CT et la DSA pour ce type de travail longitudinal sur les PSN.
Le comportement quantitatif fonctionne de la même manière. Le suivi 3D sans marqueur, souvent piloté par l'IA, mesure les mouvements et les comportements au fil du temps et ajoute un autre critère d'évaluation longitudinal pour la pharmacologie.
Rien de tout cela ne remplace un calcul approprié de la taille de l’échantillon. Cela permet simplement à chaque unité expérimentale de gagner sa vie.
Une approche pratique de la planification de la taille des échantillons de PSN
Une séquence de planification réalisable ressemble à ceci :
1. Identifiez la question principale et le point final qui y répond. Concevez autour du point final, et non d'un effectif prédéterminé. 2. Estimer l'effet attendu et la variabilité à partir des données historiques sur les PSN, d'un projet pilote, de la littérature ou d'une autre source défendable. 3. Choisissez le modèle statistique et définissez le niveau de signification et la puissance souhaités. 4. Exécutez le calcul a priori de la taille de l'échantillon là où il s'applique. 5. Avant de verrouiller le nombre, tenez compte de l’attrition, des mesures répétées, du nombre d’armes, de la mixité sexuelle, de la randomisation et du bien-être.
Lorsqu'il n'existe pas d'estimations fiables de la variance, ce qui est courant dans le travail sur les PSN, vous vous appuierez sur un mélange de statistiques, d'expériences antérieures, de données pilotes et de jugement. La littérature souligne exactement ceci : les données préliminaires directement pertinentes sont souvent minces et les calculs de puissance basés sur des paramètres non liés ne tiennent pas la route.
Chaque étude PSN nécessite-t-elle un calcul formel de puissance ?
Pas toujours.
Un calcul formel de puissance gagne sa place dans les études basées sur des hypothèses destinées à détecter un effet prédéfini. Pour certaines études exploratoires, il est difficile, voire erroné, d'en réaliser une lorsque vous ne disposez pas encore d'estimations fiables de l'ampleur ou de la variabilité de l'effet.
Ce qui compte alors, c'est la transparence. Dites pourquoi vous avez choisi ce numéro et à quelle question l’étude est conçue pour répondre. ARRIVE 2.0 demande la même chose : expliquez comment la taille de l'échantillon a été définie et affichez le calcul a priori si vous en avez fait un.
Quel est un point de départ raisonnable pour une étude sur les PSN ?
Il n'y a pas de chiffre universel, mais une règle empirique raisonnable : les études exploratoires sur les PSN se déroulent souvent à un chiffre par groupe, tandis qu'une étude d'efficacité correctement alimentée peut nécessiter davantage en fonction du critère d'évaluation et de sa variabilité.
Définissez ce nombre à partir de l’objectif et des hypothèses statistiques, et non à partir d’un tableau générique de la taille d’un échantillon de PSN. Une équipe PSN expérimentée évaluera le modèle de maladie, l'effet pharmacologique attendu, les contrôles historiques, la variabilité des paramètres, la conception et les mesures longitudinales disponibles avant d'aboutir au décompte final.
La taille de l'échantillon est une question de conception, pas un décompte d'animaux
La bonne taille d’échantillon de PSN est la plus petite qui répond à la question prédéfinie.
Cela signifie qu’il n’existe pas de « minimum » universel couvrant la pharmacologie, la modélisation des maladies, la pharmacocinétique/PD, l’imagerie ou la sécurité. Trois par groupe peuvent être bons pour un objectif exploratoire et mauvais pour un autre. Et accumuler davantage d’animaux ne sauvera pas un mauvais point final ou une variabilité incontrôlée.
Une étude NHP justifiée équilibre la sensibilité statistique, les objectifs translationnels, la faisabilité et le bien-être dès la première ligne du protocole. Pour les sponsors planifiant une étude d’efficacité ou de pharmacologie translationnelle, la planification de la taille de l’échantillon appartient à la sélection du modèle, à la définition des critères d’évaluation, à la randomisation, au dosage, à l’échantillonnage PK/PD et à l’analyse, et non à la fin.
Référence
Percie du Sert N, Hurst V, Ahluwalia A et al. Les lignes directrices ARRIVE 2.0 : lignes directrices mises à jour pour la déclaration des recherches sur les animaux.Biologie PLoS.2020;18(7):e3000410. est ce que je:10.1371/journal.pbio.3000410.
FAQ
Q : Quel est le nombre minimum de PSN requis pour une étude préclinique ?
R : Il n’existe pas de minimum universel. La bonne taille dépend de l'objectif, du critère d'évaluation principal, de l'ampleur de l'effet attendu, de la variabilité, de la conception statistique et de l'éthique.
Q : Est-ce que 3 animaux par groupe sont suffisants pour une étude sur les PSN ?
R : Cela peut fonctionner pour certaines études exploratoires ou de faisabilité, mais ce n'est pas un plancher général. La question de savoir si trois suffisent dépend du point final et de la question.
Q : Combien de PSN sont généralement utilisés dans les études d’efficacité ?
R : Souvent, un chiffre par groupe, mais le nombre exact varie en fonction du modèle et du point final. Une étude approfondie doit utiliser un calcul spécifique au critère d'évaluation ou une autre justification défendable.
Q : Des mesures répétées peuvent-elles réduire le nombre requis de PSN ?
R : Parfois. Les conceptions longitudinales et à mesures répétées tirent le meilleur parti de chaque animal et peuvent réduire la variance entre les animaux. Mais vous devez toujours tenir compte du modèle et de la corrélation entre les points temporels lors du réglage de n.
Q : La taille de l'échantillon doit-elle être calculée avant de commencer une étude sur les PSN ?
R : Pour les travaux fondés sur des hypothèses, effectuez le calcul a priori lorsque vous disposez d'estimations fiables de l'ampleur et de la variabilité de l'effet. Pour les études exploratoires, un calcul formel de puissance peut s'avérer hors de portée si les données préliminaires n'existent pas, mais documentez la justification de votre choix.
