Wyświetlenia: 0 Autor: Edytor witryny Czas publikacji: 2026-11-16 Pochodzenie: Strona
Komentarz branżowy HKeyBio
Wybór wielkości grup do badań skuteczności autoimmunologicznej
Seria pytań i odpowiedzi HKeyBio 44
Oryginalnie opublikowano w języku chińskim 18 czerwca 2026 r.
Ujęcie HKeyBio. Ile zwierząt w grupie zapewnia wystarczającą precyzję badania skuteczności autoimmunologicznej, aby uzasadnić decyzję o rozwoju? Zacznij od pytania, na które ma odpowiedzieć badanie, od najmniejszego efektu, który miałby znaczenie i od tego, jak zmienny jest pierwszorzędowy punkt końcowy w tym modelu. Ta sama wielkość grupy może być wystarczająca dla jednego punktu końcowego i zbyt mała dla innego.
Sześć lub dziesięć zwierząt w grupie to znane punkty wyjścia. Liczba potrzebna do danego badania zależy od pięciu czynników [1,2].
· Zmienność modelu choroby
· Oczekiwany efekt leczenia
· Poziom istotności (α)
· Docelowa moc statystyczna
· Typ punktu końcowego
Różnice między zwierzętami mogą przesłaniać efekt leczenia, gdy wyniki choroby ulegają dużym wahaniom. Powtarzalny model i duży efekt leczenia może obsłużyć mniejszą grupę. Pierwszorzędowy punkt końcowy i analiza statystyczna powinny odzwierciedlać decyzję, którą badanie ma wspierać.
Wielkość efektu jest często głównym czynnikiem wpływającym, szczególnie w odniesieniu do zmienności punktu końcowego. Rozważmy model zapalenia stawów, w którym grupa modelowa uzyskała wynik 8,0 ± 2,0, a grupa leczona uzyskała wynik 4,0 ± 2,0. Średnia w grupie leczonej jest o 50% niższa. Jeżeli średnia spada z 8,0 do 6,8, to jest ona niższa o 15%. Przy tej samej zmienności, poziomie istotności i mocy docelowej wykrycie mniejszej różnicy zwykle wymaga większej liczby zwierząt. Procenty porównują średnie grupowe. W przypadku planowania wielkości próby należy określić miarę rozrzutu reprezentowaną przez „±”.
Pilot może oszacować średnie grupowe, odchylenia standardowe i prawdopodobną wielkość odpowiedzi. Małe projekty pilotażowe dają niedokładne szacunki, dlatego należy wykorzystać porównywalne dane historyczne, jeśli są dostępne, i sprawdzić, jak wymagane N zmienia się w stosunku do wiarygodnych wartości. W przypadku badania głównego należy określić wpływ na tyle duży, aby miał znaczenie biologiczne lub spowodował zmianę decyzji rozwojowej [1,2].
Indukcja i progresja różnią się w zależności od modelu i zwierzęcia. Modele zapalenia okrężnicy wywołanego siarczanem dekstranu (DSS), łuszczycy wywołanej imikwimodem (IMQ) i alergii opartej na albuminie jaja kurzego (OVA) mogą wykazywać stosunkowo stałą indukcję w ustalonych warunkach. W przypadku tych modeli zakres początkowy oparty na doświadczeniu wynosi od sześciu do ośmiu zwierząt w grupie.
Modele zapalenia stawów wywołanego kolagenem (CIA), tocznia rumieniowatego układowego (SLE) i humanizowane modele układu odpornościowego mogą wykazywać większe zróżnicowanie w zakresie początku i ciężkości, nawet w obrębie tej samej kohorty. W niektórych badaniach w takich warunkach wykorzystuje się od ośmiu do dwunastu zwierząt na grupę lub więcej. Liczby te odzwierciedlają doświadczenia w określonych warunkach. Porównując potrzeby dotyczące wielkości próby, należy ocenić zmienność wybranego punktu końcowego, a także wielkość oczekiwanego efektu leczenia.
Badania małych naczelnych innych niż ludzie (NHP) mogą pomóc w odpowiedzi na konkretne pytania związane z tłumaczeniem. W przypadku gatunków istotnych farmakologicznie podobieństwo populacji komórek odpornościowych do ludzi, ekspresja receptora Fc i inne aspekty odporności mogą pomóc w interpretacji odpowiedzi. Mała kohorta eksploracyjna może scharakteryzować kierunek, wielkość i spójność reakcji oraz stanowić podstawę do dalszych badań. Precyzja potrzebna do potwierdzenia skuteczności wymaga własnego uzasadnienia [1,2].
Zastosuj zasadę 3R. Zastępowanie, ograniczanie i udoskonalanie kierują wykorzystaniem zwierząt. Parowanie lub dopasowywanie, powtarzane pomiary i analiza dostosowana do linii bazowej mogą poprawić precyzję, jeśli projekt i punkt końcowy je wspierają. Powtarzające się próbki od jednego zwierzęcia nadal stanowią jedną jednostkę doświadczalną, jeśli zwierzę jest niezależnie przydzielane do leczenia [2,3].
Wykorzystaj wczesne dane, aby zaplanować osobną kohortę uzupełniającą lub z góry określ dowolną ponowną ocenę wielkości próby w ramach tego samego badania, w tym zasadę dodawania zwierząt i sposób zachowania wnioskowań. Unikaj rozszerzania liczby uczestników w odpowiedzi na tymczasową wartość p bez zaplanowanej analizy.
Moc to prawdopodobieństwo, że zaplanowany test wykryje statystycznie istotną różnicę, gdy określony efekt jest rzeczywisty, przy założeniach przyjętych przy projektowaniu badania. Wartość docelowa wynosząca 80% oznacza, że jeśli planowana wielkość i zmienność efektu są prawidłowe, około 80% powtarzanych badań w ramach tego projektu wykryje ten efekt na wybranym poziomie istotności [1,2].
Kiedy moc jest niska, aby uzyskać znaczący efekt, rzeczywisty efekt może dać nieistotny wynik. W założonym scenariuszu jest to wynik fałszywie negatywny. Podczas opracowywania leków traktowanie każdego nieistotnego wyniku jako dowodu braku efektu może doprowadzić zespół do odrzucenia obiecującego kandydata. Celem jest zrównoważenie siły dowodów z wykorzystaniem zwierząt i kosztami badań.
W oryginalnym artykule podano do dyskusji następujące zakresy oparte na doświadczeniu. Ostateczna wielkość grupy powinna odzwierciedlać cel badania, odpowiednie dane historyczne, wyniki pilotażu i analizę odpowiednią dla punktu końcowego. W stosownych przypadkach należy uwzględnić oczekiwany brak indukcji lub ścierania i podać zarówno przypisane numery, jak i przeanalizowane liczby [1,2].
Tabela 1. Przykładowa liczba zwierząt w grupie z artykułu oryginalnego. Użyj tych zakresów do wstępnych dyskusji na temat planowania.
P7 Jak spełnić wymagania statystyczne i kontrolować koszty
Najpierw przeprowadź mały pilotaż. Oszacuj odsetek zwierząt, u których rozwinął się zamierzony fenotyp, punktacja choroby, zmienność i wstępna odpowiedź na leczenie. W stosownych przypadkach dla skali punktu końcowego podać współczynnik zmienności.
Po drugie, przeprowadź analizę mocy. Zdefiniuj pierwszorzędowy punkt końcowy i minimalny znaczący efekt. Określ α, moc docelową i założenia dotyczące zmienności. Aby oszacować wymagane N, należy zastosować metodę statystyczną dopasowaną do planowanej analizy i porównać scenariusze, jeśli założenia pozostają niepewne.
Po trzecie, zoptymalizuj projekt. Popraw spójność modelu, w stosownych przypadkach zastosuj randomizację ze warstwami podstawowymi, użyj powtarzanych pomiarów, jeśli poprawiają precyzję, i usuń grupy, które nie odpowiedziały na pytanie badawcze. Lepszy projekt może poprawić wydajność w większym stopniu niż samo zwiększenie rozmiaru grupy.
Możliwa do obrony wielkość grupy zapewnia zespołowi wystarczającą ilość informacji do wykrycia lub oszacowania znaczącego wpływu na zamierzoną decyzję dotyczącą tłumaczenia. Planuj w oparciu o oczekiwany efekt, zmienność modelu, wymaganą moc i cel badania. Wspiera to bardziej wiarygodne wnioski i może ograniczyć powtarzalność eksperymentów i możliwe do uniknięcia koszty.
Autor i recenzent. Dział Marketingu HKeyBio
Pod redakcją Jing Yana
HKeyBio to organizacja zajmująca się przedklinicznymi badaniami kontraktowymi, świadcząca kompleksowe usługi dotyczące skuteczności in vivo w leczeniu chorób autoimmunologicznych i alergicznych. Jej główny zespół techniczny ma ponad 20-letnie doświadczenie w opracowywaniu leków autoimmunologicznych. Firma posiada certyfikat ISO 9001 i prowadzi obiekty molekularne, komórkowe, patologiczne, zajmujące się małymi zwierzętami i analityczne w Suzhou Industrial Park, a także ośrodki badań nad naczelnymi innymi niż ludzie w Suzhou i Guangxi. W oryginalnym artykule podano informację o około 80 pracownikach i kierownikach projektów ze stopniem magistra lub doktora. Zespół wspiera badania przedkliniczne i zgłaszanie nowych leków eksperymentalnych (IND).
· Ponad 50 modeli chorób autoimmunologicznych i alergicznych naczelnych innych niż ludzie
· Ponad 500 modeli zwierzęcych chorób autoimmunologicznych i alergicznych
· Doświadczenie we wspieraniu ponad 500 zgłoszeń IND dotyczących chorób autoimmunologicznych
[1] Percie du Sert N., Hurst V., Ahluwalia A. i in. Wytyczne ARRIVE 2.0: Zaktualizowane wytyczne dotyczące raportowania badań na zwierzętach. PLoS Biol. 2020;18:e3000410. Źródło
[2] Percie du Sert N., Ahluwalia A, Alam S. i in. Raportowanie badań na zwierzętach: Wyjaśnienie i opracowanie wytycznych ARRIVE 2.0. PLoS Biol. 2020;18:e3000411. Źródło
[3] Asystent projektu eksperymentalnego NC3R. Jednostka eksperymentalna. Źródło