Visualizações: 0 Autor: Editor do site Horário de publicação: 16/11/2026 Origem: Site
Comentário da indústria HKeyBio
Escolhendo tamanhos de grupo para estudos de eficácia autoimune
Série de perguntas e respostas da HKeyBio 44
Publicado originalmente em chinês em 18 de junho de 2026.
A opinião de HKeyBio. Quantos animais por grupo fornecem a um estudo de eficácia autoimune precisão suficiente para apoiar uma decisão de desenvolvimento? Comece com a pergunta que o estudo precisa responder, o menor efeito que importaria e quão variável é o desfecho primário nesse modelo. O mesmo tamanho de grupo pode ser suficiente para um parâmetro e pequeno demais para outro.
Seis ou dez animais por grupo são pontos de partida familiares. O número necessário para um determinado estudo depende de cinco fatores [1,2].
· Variabilidade no modelo de doença
· Efeito esperado do tratamento
· Nível de significância (α)
· Alvo poder estatístico
· Tipo de terminal
A variação de animal para animal pode obscurecer o efeito do tratamento quando os escores da doença flutuam amplamente. Um modelo reproduzível e um grande efeito de tratamento podem suportar um grupo menor. O endpoint primário e a análise estatística devem refletir a decisão que o estudo foi concebido para apoiar.
O tamanho do efeito costuma ser um fator importante, especialmente em relação à variabilidade do desfecho. Considere um modelo de artrite em que o grupo modelo pontua 8,0 ± 2,0 e o grupo de tratamento pontua 4,0 ± 2,0. A média do grupo tratado é 50% menor. Se a média cair de 8,0 para 6,8, é 15% menor. Com a mesma variabilidade, nível de significância e poder alvo, detectar a diferença menor geralmente requer mais animais. As porcentagens comparam as médias dos grupos. Para o planejamento do tamanho da amostra, deve-se especificar a medida de spread representada por '±'.
Um piloto pode estimar as médias do grupo, os desvios padrão e a provável magnitude da resposta. Pequenos projetos-piloto geram estimativas imprecisas, portanto, use dados históricos comparáveis quando disponíveis e verifique como o N necessário muda em valores plausíveis. Para o estudo principal, especifique um efeito grande o suficiente para ter importância biológica ou para alterar uma decisão de desenvolvimento [1,2].
A indução e a progressão variam entre modelos e entre animais. Colite com sulfato de dextrano sódico (DSS), psoríase induzida por imiquimod (IMQ) e modelos de alergia baseados em ovalbumina (OVA) podem mostrar indução relativamente consistente sob condições estabelecidas. Para estes modelos, seis a oito animais por grupo é um intervalo inicial baseado na experiência.
Os modelos de artrite induzida por colágeno (CIA), lúpus eritematoso sistêmico (LES) e modelos humanizados do sistema imunológico podem apresentar maior variação no início e na gravidade, mesmo dentro da mesma coorte. Alguns estudos nestes ambientes utilizam oito a doze animais por grupo ou mais. Estes números reflectem a experiência em condições específicas. Ao comparar as necessidades do tamanho da amostra, avalie a variabilidade do desfecho escolhido, bem como o tamanho do efeito esperado do tratamento.
Estudos de pequenos primatas não humanos (NHP) podem abordar questões translacionais específicas. Para uma espécie farmacologicamente relevante, as semelhanças com os humanos nas populações de células imunes, a expressão do receptor Fc e outros aspectos da imunidade podem ajudar a interpretar as respostas. Uma pequena coorte exploratória pode caracterizar a direção, magnitude e consistência de uma resposta e informar um estudo de acompanhamento. A precisão necessária para uma afirmação confirmatória de eficácia requer a sua própria justificação [1,2].
Aplique os 3Rs. Substituição, Redução e Refinamento orientam o uso de animais. O emparelhamento ou correspondência, medições repetidas e análises ajustadas à linha de base podem melhorar a precisão quando o projeto e o endpoint as suportam. Amostras repetidas de um animal ainda representam uma unidade experimental se o animal for independentemente designado para tratamento [2,3].
Use dados iniciais para planejar uma coorte de acompanhamento separada ou pré-especifique qualquer reavaliação do tamanho da amostra dentro do mesmo estudo, incluindo a regra para adicionar animais e como a inferência será preservada. Evite expandir as matrículas em resposta a um valor p provisório sem uma análise planejada.
Poder é a probabilidade de um teste planejado detectar uma diferença estatisticamente significativa quando o efeito especificado é real, sob as premissas utilizadas para desenhar o estudo. Uma meta de 80% significa que, se o tamanho do efeito planejado e a variabilidade estiverem corretos, cerca de 80% dos estudos repetidos sob esse desenho detectariam esse efeito no nível de significância escolhido [1,2].
Quando o poder é baixo para um efeito significativo, um efeito real pode produzir um resultado não significativo. Isso é um falso negativo no cenário assumido. No desenvolvimento de medicamentos, tratar cada resultado não significativo como evidência de nenhum efeito pode levar uma equipe a abandonar um candidato promissor. O objetivo é equilibrar a força da evidência com o uso de animais e o custo do estudo.
O artigo original fornece os seguintes intervalos baseados na experiência para discussão. O tamanho final do grupo deve refletir o objetivo do estudo, dados históricos relevantes, resultados do piloto e uma análise apropriada ao objetivo final. Permita a não indução ou atrito esperado quando relevante e relate tanto os números atribuídos quanto os números analisados [1,2].
Tabela 1. Números ilustrativos de animais por grupo do artigo original. Use esses intervalos para discussões iniciais de planejamento.
Q7 Como atender aos requisitos estatísticos e controlar os custos
Primeiro, execute um pequeno piloto. Estime a proporção de animais que desenvolvem o fenótipo pretendido, os escores da doença, a variabilidade e a resposta preliminar ao tratamento. Relate o coeficiente de variação, quando apropriado, para a escala do parâmetro.
Em segundo lugar, execute uma análise de potência. Defina o endpoint primário e o efeito mínimo significativo. Especifique α, pressupostos de poder alvo e variabilidade. Utilize um método estatístico correspondente à análise planeada para estimar o N necessário e compare os cenários se os pressupostos permanecerem incertos.
Terceiro, otimize o design. Melhore a consistência do modelo, use a randomização estratificada na linha de base quando relevante, use medições repetidas se melhorarem a precisão e remova grupos que não respondem a uma questão do estudo. Um design melhor pode melhorar a eficiência mais do que apenas aumentar o tamanho do grupo.
Um tamanho de grupo defensável dá à equipe informações suficientes para detectar ou estimar um efeito significativo para a decisão translacional pretendida. Planeje em torno do efeito esperado, variabilidade do modelo, potência necessária e objetivo do estudo. Isto apoia conclusões mais credíveis e pode reduzir a repetição de experiências e custos evitáveis.
Autor e revisor. Departamento de Marketing da HKeyBio
Editado por Jing Yan
HKeyBio é uma organização de pesquisa pré-clínica contratada que fornece serviços completos de eficácia in vivo para doenças autoimunes e alérgicas. Sua equipe técnica principal tem mais de 20 anos de experiência no desenvolvimento de medicamentos autoimunes. A empresa possui certificação ISO 9001 e opera instalações moleculares, celulares, de patologia, de pequenos animais e analíticas no Parque Industrial de Suzhou, com instalações de estudo de primatas não humanos em Suzhou e Guangxi. O artigo original relatou aproximadamente 80 funcionários e líderes de projeto com mestrado ou doutorado. A equipe apoia pesquisas pré-clínicas e submissões de novos medicamentos em investigação (IND).
· Mais de 50 modelos de primatas não humanos de doenças autoimunes e alérgicas
· Mais de 500 modelos animais de doenças autoimunes e alérgicas
· Experiência no apoio a mais de 500 submissões de IND em doenças autoimunes
[1] Percie du Sert N, Hurst V, Ahluwalia A, et al. As diretrizes ARRIVE 2.0: Diretrizes atualizadas para relatar pesquisas com animais. PLoS Biol. 2020;18:e3000410. Fonte
[2] Percie du Sert N, Ahluwalia A, Alam S, et al. Relatando pesquisas com animais: Explicação e elaboração das diretrizes ARRIVE 2.0. PLoS Biol. 2020;18:e3000411. Fonte
[3] Assistente de Projeto Experimental do NC3R. Unidade experimental. Fonte