Vues : 0 Auteur : Éditeur du site Heure de publication : 2026-11-16 Origine : Site
Commentaire de l’industrie HKeyBio
Choisir la taille des groupes pour les études d'efficacité auto-immune
Série de questions et réponses HKeyBio 44
Publié initialement en chinois le 18 juin 2026.
Le point de vue de HKeyBio. Combien d’animaux par groupe donnent à une étude d’efficacité auto-immune suffisamment de précision pour étayer une décision de développement ? Commencez par la question à laquelle l’étude doit répondre, le plus petit effet qui compterait et la variabilité du critère d’évaluation principal dans ce modèle. La même taille de groupe peut être suffisante pour un critère d’évaluation et trop petite pour un autre.
Six ou dix animaux par groupe sont des points de départ familiers. Le nombre nécessaire pour une étude donnée dépend de cinq facteurs [1,2].
· Variabilité du modèle de maladie
· Effet attendu du traitement
· Niveau de signification (α)
· Cibler la puissance statistique
· Type de point final
Les variations d’un animal à l’autre peuvent masquer l’effet d’un traitement lorsque les scores de maladie fluctuent considérablement. Un modèle reproductible et un effet thérapeutique important peuvent prendre en charge un groupe plus restreint. Le critère d'évaluation principal et l'analyse statistique doivent refléter la décision que l'étude est censée soutenir.
L’ampleur de l’effet est souvent un facteur majeur, notamment en ce qui concerne la variabilité du critère d’évaluation. Prenons un modèle d'arthrite dans lequel le groupe modèle obtient un score de 8,0 ± 2,0 et le groupe de traitement un score de 4,0 ± 2,0. La moyenne du groupe traité est inférieure de 50 %. Si la moyenne passe de 8,0 à 6,8, elle est inférieure de 15 %. Avec la même variabilité, le même niveau de signification et la même puissance cible, la détection de la plus petite différence nécessite généralement plus d'animaux. Les pourcentages comparent les moyennes des groupes. Pour la planification de la taille de l'échantillon, la mesure de dispersion représentée par '±' doit être spécifiée.
Un projet pilote peut estimer les moyennes du groupe, les écarts types et l'ampleur probable de la réponse. Les petits projets pilotes donnent des estimations imprécises, utilisez donc des données historiques comparables lorsqu'elles sont disponibles et vérifiez comment le N requis change entre des valeurs plausibles. Pour l'étude principale, spécifiez un effet suffisamment important pour avoir une importance biologique ou pour modifier une décision de développement [1,2].
L'induction et la progression varient selon les modèles et entre les animaux. Les modèles d'allergie basés sur la colite au sulfate de dextrane sodique (DSS), le psoriasis induit par l'imiquimod (IMQ) et l'ovalbumine (OVA) peuvent montrer une induction relativement cohérente dans des conditions établies. Pour ces modèles, six à huit animaux par groupe constituent une plage de départ basée sur l'expérience.
Les modèles d’arthrite induite par le collagène (CIA), de lupus érythémateux systémique (LED) et de systèmes immunitaires humanisés peuvent présenter une plus grande variation en termes d’apparition et de gravité, même au sein d’une même cohorte. Certaines études dans ces contextes utilisent huit à douze animaux par groupe ou plus. Ces chiffres reflètent l'expérience dans des conditions particulières. Lorsque vous comparez les besoins en termes de taille d’échantillon, évaluez la variabilité du critère d’évaluation choisi ainsi que l’ampleur de l’effet attendu du traitement.
Les études sur les petits primates non humains (NHP) peuvent répondre à des questions translationnelles ciblées. Pour une espèce pharmacologiquement pertinente, les similitudes avec les humains dans les populations de cellules immunitaires, l'expression du récepteur Fc et d'autres aspects de l'immunité peuvent aider à interpréter les réponses. Une petite cohorte exploratoire peut caractériser la direction, l’ampleur et la cohérence d’une réponse et éclairer une étude de suivi. La précision requise pour une allégation confirmative d’efficacité nécessite sa propre justification [1,2].
Appliquez les 3R. Le remplacement, la réduction et le raffinement guident l’utilisation des animaux. L'appariement ou l'appariement, les mesures répétées et l'analyse ajustée en fonction de la ligne de base peuvent améliorer la précision lorsque la conception et le point final les prennent en charge. Les échantillons répétés d'un animal représentent toujours une unité expérimentale si l'animal est affecté indépendamment au traitement [2,3].
Utilisez les premières données pour planifier une cohorte de suivi distincte ou prédéfinissez toute réévaluation de la taille de l'échantillon au sein de la même étude, y compris la règle d'ajout d'animaux et la manière dont l'inférence sera préservée. Évitez d’augmenter les inscriptions en réponse à une valeur p intermédiaire sans analyse planifiée.
La puissance est la probabilité qu'un test planifié détecte une différence statistiquement significative lorsque l'effet spécifié est réel, selon les hypothèses utilisées pour concevoir l'étude. Un objectif de 80 % signifie que, si l’ampleur et la variabilité de l’effet prévu sont correctes, environ 80 % des études répétées selon ce modèle détecteraient cet effet au niveau de signification choisi [1,2].
Lorsque la puissance est faible pour un effet significatif, un effet réel peut donner un résultat non significatif. Il s’agit d’un faux négatif dans le scénario supposé. Dans le développement de médicaments, traiter chaque résultat non significatif comme une preuve d’absence d’effet peut conduire une équipe à abandonner un candidat prometteur. L’objectif est d’équilibrer la force des preuves avec l’utilisation des animaux et le coût de l’étude.
L'article original propose les plages de discussion suivantes, basées sur l'expérience. La taille finale du groupe doit refléter l'objectif de l'étude, les données historiques pertinentes, les résultats du pilote et une analyse appropriée au critère d'évaluation. Tenez compte de la non-induction ou de l'attrition attendue, le cas échéant, et signalez à la fois les numéros attribués et les numéros analysés [1,2].
Tableau 1. Nombre indicatif d’animaux par groupe tiré de l’article original. Utilisez ces plages pour les discussions de planification initiales.
Q7 Comment répondre aux exigences statistiques et contrôler les coûts
Tout d’abord, lancez un petit pilote. Estimer la proportion d’animaux qui développent le phénotype prévu, les scores de maladie, la variabilité et la réponse préliminaire au traitement. Indiquez le coefficient de variation, le cas échéant, pour l'échelle du critère d'effet.
Deuxièmement, effectuez une analyse de puissance. Définir le critère d'évaluation principal et l'effet significatif minimum. Spécifiez les hypothèses relatives à α, à la puissance cible et à la variabilité. Utilisez une méthode statistique adaptée à l’analyse prévue pour estimer le N requis et comparez les scénarios si les hypothèses restent incertaines.
Troisièmement, optimisez la conception. Améliorez la cohérence du modèle, utilisez la randomisation stratifiée de base lorsque cela est pertinent, utilisez des mesures répétées si elles améliorent la précision et supprimez les groupes qui ne répondent pas à une question de l'étude. Une meilleure conception peut améliorer l’efficacité bien plus que la seule augmentation de la taille du groupe.
Une taille de groupe défendable donne à l’équipe suffisamment d’informations pour détecter ou estimer un effet significatif pour la décision translationnelle envisagée. Planifiez autour de l’effet attendu, de la variabilité du modèle, de la puissance requise et de l’objectif de l’étude. Cela permet de tirer des conclusions plus crédibles et peut réduire les expériences répétées et les coûts évitables.
Auteur et critique. Département Marketing de HKeyBio
Edité par Jing Yan
HKeyBio est une organisation de recherche préclinique sous contrat fournissant des services d'efficacité in vivo de bout en bout pour les maladies auto-immunes et allergiques. Son équipe technique principale possède plus de 20 ans d’expérience dans le développement de médicaments auto-immuns. La société est certifiée ISO 9001 et exploite des installations moléculaires, cellulaires, de pathologie, de petits animaux et d'analyse dans le parc industriel de Suzhou, ainsi que des installations d'étude des primates non humains à Suzhou et dans le Guangxi. L'article original faisait état d'environ 80 employés et chefs de projet titulaires d'une maîtrise ou d'un doctorat. L’équipe soutient la recherche préclinique et les soumissions de nouveaux médicaments expérimentaux (IND).
· Plus de 50 modèles de primates non humains de maladies auto-immunes et allergiques
· Plus de 500 modèles animaux de maladies auto-immunes et allergiques
· Expérience dans la prise en charge de plus de 500 soumissions IND dans le domaine des maladies auto-immunes
[1] 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. PLoS Biol. 2020;18 :e3000410. Source
[2] Percie du Sert N, Ahluwalia A, Alam S, et al. Reporting de la recherche animale : Explication et élaboration des lignes directrices ARRIVE 2.0. PLoS Biol. 2020;18 :e3000411. Source
[3] Assistant de conception expérimentale NC3Rs. Unité expérimentale. Source