ขนาดตัวอย่างขั้นต่ำสำหรับการศึกษาทางคลินิกก่อนการใช้ในสัตว์ทดลองที่ไม่ใช่มนุษย์ (NHP Preclinical studies) คือเท่าไร?

ไม่มีขนาดตัวอย่างขั้นต่ำสำหรับการศึกษาพรีคลินิกที่ไม่ใช่มนุษย์ (NHP) ทุกครั้ง

จำนวนที่ถูกต้องขึ้นอยู่กับคำถาม จุดสิ้นสุดหลัก ผลการรักษาที่คาดหวัง ความแปรปรวนทางชีวภาพ การออกแบบทางสถิติ และจริยธรรมของงานเภสัชวิทยาของเอ็นเอชพีตามกฎแล้วกลุ่มจะมีขนาดเล็กกว่ากลุ่มสัตว์ฟันแทะ แต่นั่นไม่ได้หมายความว่าจะมีจำนวนคงที่เพียงตัวเดียวในแบบจำลองโรคหรือเป้าหมายการศึกษา

คำถามที่ดีกว่าไม่ใช่ "ลิงตัวไหนที่ฉันสามารถหนีไปได้น้อยที่สุด" ของมัน:ตัวอย่างที่เล็กที่สุดที่สามารถตอบคำถามหลักได้โดยไม่สูญเสียสัตว์คือข้อใดการวางกรอบนั้นมีความสำคัญในงานของ NHP โดยที่สัตว์แต่ละตัวมีความมุ่งมั่นทางวิทยาศาสตร์ จริยธรรม และการเงินอย่างแท้จริง

การศึกษาของ NHP มีแนวโน้มที่จะใช้สัตว์น้อยกว่างานของสัตว์ฟันแทะ ด้วยเหตุผลบางประการ

NHP มีความใกล้ชิดกับมนุษย์มากขึ้นในด้านสรีรวิทยาและกายวิภาคศาสตร์ ดังนั้นจุดสิ้นสุดในการแปลบางจุดจึงมีน้ำหนักมากกว่าต่อสัตว์หนึ่งตัว การศึกษาของ NHP ยังพึ่งพาการวัดตามยาวอย่างมาก: การจับ PK ซ้ำ, การสร้างภาพ, การให้คะแนนตามพฤติกรรม, การติดตามตัวชี้วัดทางชีวภาพ สัตว์ตัวหนึ่งให้ข้อมูลหลายจุดในการศึกษา ดังนั้นกลุ่มเล็กๆ ยังสามารถให้ข้อมูลได้มาก

ยิ่งไปกว่านั้น การวิจัยเกี่ยวกับไพรเมตยังมีน้ำหนักทางจริยธรรมที่หนักกว่าอีกด้วย การหาลิงและลิงนั้นไม่ใช่เรื่องง่าย และแถบสวัสดิการก็อยู่ในระดับสูง ดังนั้นเป้าหมายไม่ใช่การใช้ให้มากที่สุดเท่าที่จะเป็นไปได้ แต่เป็นการใช้ให้น้อยที่สุดที่ยังคงให้ผลลัพธ์ที่สามารถตีความได้

ARRIVE 2.0 สะท้อนถึงสิ่งนี้ แนวทางดังกล่าวกำหนดให้ผู้เขียนรายงานจำนวนหน่วยทดลองที่แน่นอน และอธิบายว่าได้มาได้อย่างไร รวมถึงการคำนวณขนาดตัวอย่างเบื้องต้น พวกเขาไม่ได้นับจำนวนสัตว์สากลให้กับคุณ

สำหรับงานสำรวจและเภสัชวิทยาส่วนใหญ่ กลุ่ม NHP จะเป็นเลขหลักเดียว ไม่ใช่หลักสิบ แต่ช่วงกว้าง

การศึกษาเชิงสำรวจที่มีจุดมุ่งหมายแคบ ความเป็นไปได้ การตั้งค่าแบบจำลอง การสัมผัส สัญญาณ PD ในระยะเริ่มแรก บางครั้งอาจดำเนินการกับสัตว์เพียงไม่กี่ตัวต่อกลุ่ม การศึกษาประสิทธิภาพแบบควบคุมจำเป็นต้องมีการสนับสนุนทางสถิติมากขึ้น หลายรายการต่อกลุ่มอาจทำได้หากจุดสิ้นสุดแน่นและผลลัพธ์ชัดเจน คุณจะต้องการมากขึ้นเมื่อจุดสิ้นสุดโยกเยกหรือผลกระทบที่คาดหวังมีน้อย

การออกแบบตามยาวและแบบครอสโอเวอร์สามารถหลีกเลี่ยงสัตว์ได้น้อยลง เนื่องจากแต่ละตัวทำหน้าที่ควบคุมของตัวเอง สิ่งที่ตรงกันข้ามจะคงอยู่เมื่อคุณมีหลายเครื่อง จุดสิ้นสุดที่มีเสียงดัง การหยุดกลางคันที่คาดหวัง หรือมีการเปรียบเทียบอิสระหลายรายการซ้อนกัน

ดังนั้นให้ถือว่า "5 คนต่อกลุ่ม" หรือ "10 คนต่อกลุ่ม" เป็นจุดยึด ไม่ใช่กฎหมาย สิ่งเหล่านี้เป็นจุดเริ่มต้นที่ขึ้นอยู่กับการออกแบบ ไม่ใช่พื้นข้อบังคับ

ขนาดของกลุ่มตัวอย่างควรเป็นไปตามวัตถุประสงค์หลักของการศึกษา ไม่ใช่ตามชนิดพันธุ์

1. จุดสิ้นสุดหลัก

มักจะเป็นคันโยกที่ใหญ่ที่สุด การอ่านค่าเชิงปริมาณที่เสถียรต้องการสัตว์น้อยกว่าคะแนนพฤติกรรม รูปภาพ หรือความรุนแรงของโรคที่มีเสียงดัง

ตัวอย่างเช่น การศึกษา PK จะดึงการวัดความเข้มข้นซ้ำๆ จากสัตว์แต่ละตัว ดังนั้นกลุ่มเล็กๆ จึงสามารถตอบคำถามเกี่ยวกับการสัมผัสได้ การศึกษาประสิทธิภาพที่สร้างขึ้นจากคะแนนทางคลินิกแบบหลงทาง จำเป็นต้องมีหน่วยเพิ่มเติมจึงจะเห็นผลการรักษาที่แท้จริง กำหนดขนาดการศึกษาเกี่ยวกับจุดสิ้นสุดใดก็ตามที่มีหลักฐานหลัก

2. ขนาดเอฟเฟกต์ที่คาดหวัง

ขนาดเอฟเฟกต์คือความแตกต่างที่คุณพยายามตรวจจับ ผลกระทบขนาดใหญ่และมีความหมายทางชีวภาพเกิดขึ้นกับสัตว์จำนวนน้อยลง ตัวเล็กต้องการอีกหลายอย่าง

นั่นเป็นสาเหตุที่ "การศึกษา NHP ต้องการอย่างน้อยหกรายการต่อกลุ่ม" จึงไม่สมบูรณ์ หกอาจมีเพียงพอสำหรับปลายทางหนึ่งและไม่มีที่ไหนใกล้พอสำหรับอีกปลายทางหนึ่ง ยึดผลกระทบที่คาดหวังไว้ในข้อมูล NHP ก่อนหน้า การนำร่อง การควบคุมในอดีต งานที่ตีพิมพ์ หรือการประมาณค่าช่องว่างที่เกี่ยวข้องทางคลินิกที่สามารถป้องกันได้

3. ความแปรปรวนจุดสิ้นสุด

ความแปรปรวนขับเคลื่อนขนาดตัวอย่างโดยตรง กลุ่มที่กระจัดกระจายต้องการสัตว์จำนวนมากเพื่อแยกสัญญาณออกจากเสียงรบกวน อุปกรณ์ปลายทางที่แน่นหนาและทำซ้ำได้สามารถทำงานได้โดยใช้ทรัพยากรน้อยลง

การกระจายนั้นมาจากอายุ เพศ น้ำหนัก ความรุนแรงของโรคพื้นฐาน ความแตกต่างของ PK วิธีชักนำให้เกิดโรค ชีววิทยาส่วนบุคคล ในงาน NHP การควบคุมความแปรปรวนในขั้นตอนการออกแบบมีความสำคัญพอๆ กับการเพิ่มสัตว์เข้าไป

4. พลังทางสถิติและระดับนัยสำคัญ

สำหรับการศึกษาที่ขับเคลื่อนด้วยสมมติฐาน การวิเคราะห์กำลังจะกำหนดจำนวน ข้อมูลนำเข้า ได้แก่ ขนาดเอฟเฟกต์ที่คาดหวัง ความแปรปรวนหรือส่วนเบี่ยงเบนมาตรฐาน ระดับนัยสำคัญ (โดยปกติคือ α = 0.05) กำลังเป้าหมาย (มักจะ 80% หรือ 90%) และแบบจำลองทางสถิติและการออกแบบ

ทิศทางนั้นง่าย: เอฟเฟกต์เล็ก ๆ ในการตรวจจับ, ข้อผิดพลาด Type I ที่เข้มงวดมากขึ้น, หรือกำลังที่สูงกว่าทั้งหมดจะดัน n ที่ต้องการขึ้น

ข้อแม้ประการหนึ่ง เรียกใช้การวิเคราะห์พลังงานบนจุดสิ้นสุดหลักที่แท้จริง การยืมความแปรปรวนจากแบบจำลองที่ไม่เกี่ยวข้องหรือจุดสิ้นสุดอื่นทำให้เกิดการประมาณขนาดตัวอย่างที่ไม่คงอยู่ และการกัดนั้นคมชัดกว่าในงาน NHP โดยที่ชุดข้อมูลในอดีตที่เปรียบเทียบได้มีขนาดเล็ก

5. การออกแบบการศึกษา

การออกแบบเองก็เปลี่ยนแปลงคณิตศาสตร์ กลุ่มคู่ขนานต้องมีสัตว์แยกจากกันในแต่ละแขน การออกแบบแบบครอสโอเวอร์หรือการวัดซ้ำจะบีบข้อมูลออกจากสัตว์แต่ละตัวมากขึ้น และอาจลดความแปรปรวนระหว่างสัตว์แต่ละตัวลงได้

การติดตามสัตว์ชนิดเดียวกันตามยาวจะมีประสิทธิภาพมากกว่าด้วยเหตุผลเดียวกัน แต่มาตรการซ้ำๆ ไม่ได้ลบความจำเป็นในการมี n ที่เพียงพอ ความสัมพันธ์ระหว่างจุดเวลา การหยุดกลางคันที่คาดหวัง ข้อมูลที่ขาดหายไป และแบบจำลองที่ถูกต้อง ล้วนอยู่ในการวางแผน

บรรทัดที่สำคัญที่สุดคือเชิงสำรวจและเชิงยืนยัน

งานสำรวจอาจมีจุดมุ่งหมายเพื่อแสดงแบบจำลองของโรคที่ชักนำได้อย่างน่าเชื่อถือ ร่างโปรไฟล์ PK ค้นหาช่วงขนาดยา ตรวจสอบการมีส่วนร่วมของเป้าหมาย หรือสร้างสัญญาณเริ่มต้นของกิจกรรม สิ่งเหล่านี้มักจะทำเล็กๆ น้อยๆ โดยตั้งใจ เพื่อเรียนรู้ให้เพียงพอก่อนตัดสินใจเข้าร่วมโปรแกรมประสิทธิภาพที่ใหญ่กว่า

การศึกษาประสิทธิภาพเพื่อยืนยันนั้นแตกต่างออกไป หากคุณกำลังพยายามที่จะแสดงให้เห็นถึงผลกระทบที่กำหนดไว้ล่วงหน้ากับการควบคุม n ควรขึ้นอยู่กับเหตุผลทางสถิติอย่างเป็นทางการเมื่อใดก็ตามที่ข้อมูลมีอยู่เพื่อรองรับการควบคุมนั้น

นี่คือเหตุผลว่าทำไมขนาดตัวอย่าง NHP ที่เผยแพร่จึงแกว่งไปแกว่งมาอย่างกว้างขวาง การศึกษาเชิงสำรวจขนาดเล็กและการศึกษาประสิทธิภาพเชิงขับเคลื่อนไม่สามารถเปรียบเทียบได้เพียงเพราะทั้งสองใช้ลิงแสม

ใหญ่ขึ้นและเพิ่มพลัง แต่ไม่ใช่ว่าจะรักษาได้ทั้งหมด

หากการออกแบบเลอะเทอะ สัตว์จำนวนมากจะไม่แก้ไข ความแปรปรวนจากการชักนำให้เกิดโรคที่ไม่สอดคล้องกัน จุดยุติที่ไม่ถูกต้อง สัญญาณรบกวนทางเทคนิค หรือการสุ่มตัวอย่างที่อ่อนแอจะคงอยู่ได้ในกลุ่มตัวอย่างที่มีขนาดใหญ่กว่า

ในงาน NHP การเคลื่อนไหวที่ชาญฉลาดกว่ามักจะเป็นการตัดความแปรปรวนที่หลีกเลี่ยงได้ก่อน สร้างมาตรฐานวิธีการที่คุณทำให้เกิดโรค วางพื้นฐานสัตว์อย่างเหมาะสม จัดสรรสมดุล กำหนดเกณฑ์การรวมและการแยกไว้ล่วงหน้า เก็บตัวอย่างให้สม่ำเสมอ และใช้จุดสิ้นสุดเชิงปริมาณตามวัตถุประสงค์ ซึ่งทำหน้าที่ทั้งวิทยาศาสตร์และจริยธรรมในคราวเดียว โดยใช้สัตว์เมื่อมีความชอบธรรมเท่านั้น

ตัวอย่างเล็กๆ น้อยๆ ไม่เท่ากับการศึกษาที่อ่อนแอ

การศึกษา NHP สามารถดึงประโยชน์มากมายจากสัตว์แต่ละตัวเมื่อสร้างมาตรการซ้ำๆ และจุดสิ้นสุดเสริม สัตว์ตัวหนึ่งสามารถมีส่วนช่วยในการตรวจ PK, PD ทางชีวภาพตามยาว, การสร้างภาพ, การสังเกตทางคลินิก และคะแนนพฤติกรรมตลอดการศึกษา การถ่ายภาพในสิ่งมีชีวิตขั้นสูงช่วยให้คุณติดตามการลุกลามของโรคหรือการตอบสนองเมื่อเวลาผ่านไป โดยไม่ต้องฆ่าสัตว์ในทุกช่วงเวลา ตัวอย่างเช่น แพลตฟอร์มการแปลของ Prisys รองรับ MRI, CT, PET-CT และ DSA สำหรับงาน NHP ระยะยาวประเภทนี้

พฤติกรรมเชิงปริมาณทำงานในลักษณะเดียวกัน การติดตามแบบ 3 มิติแบบไร้เครื่องหมาย ซึ่งมักขับเคลื่อนด้วย AI จะวัดการเคลื่อนไหวและพฤติกรรมในช่วงเวลาหนึ่ง และเพิ่มจุดสิ้นสุดตามยาวอีกจุดหนึ่งสำหรับเภสัชวิทยา

สิ่งเหล่านี้ไม่สามารถทดแทนการคำนวณขนาดตัวอย่างที่เหมาะสมได้ มันแค่ทำให้แต่ละหน่วยทดลองได้รับการเก็บรักษา

ลำดับการวางแผนที่ใช้การได้มีลักษณะดังนี้:

1. ปักหมุดคำถามหลักและจุดสิ้นสุดที่ตอบคำถาม ออกแบบบริเวณจุดสิ้นสุด ไม่ใช่จำนวนพนักงานที่กำหนดไว้ล่วงหน้า 2. ประมาณการผลกระทบและความแปรปรวนที่คาดหวังจากข้อมูล NHP ในอดีต โครงการนำร่อง วรรณกรรม หรือแหล่งข้อมูลอื่นที่สามารถป้องกันได้ 3. เลือกแบบจำลองทางสถิติและตั้งค่าระดับนัยสำคัญและอำนาจที่คุณต้องการ 4. รันการคำนวณขนาดตัวอย่างแบบนิรนัยเมื่อนำไปใช้ 5. ก่อนล็อคจำนวน ปัจจัยในการออกจากงาน การวัดซ้ำ จำนวนแขน เพศผสม การสุ่ม และสวัสดิการ

เมื่อไม่มีการประมาณค่าความแปรปรวนที่เชื่อถือได้ ซึ่งเป็นเรื่องปกติในงาน NHP คุณจะต้องอาศัยสถิติ ประสบการณ์ก่อนหน้า ข้อมูลนำร่อง และการตัดสิน เอกสารต่างๆ ระบุสิ่งนี้ไว้อย่างชัดเจน: ข้อมูลเบื้องต้นที่เกี่ยวข้องโดยตรงมักจะมีขนาดเล็ก และการคำนวณพลังงานที่สร้างขึ้นบนจุดสิ้นสุดที่ไม่เกี่ยวข้องกันก็ไม่สามารถทนได้

ไม่เสมอไป

การคำนวณกำลังอย่างเป็นทางการจะยังคงอยู่ในการศึกษาที่ขับเคลื่อนด้วยสมมติฐานซึ่งมีวัตถุประสงค์เพื่อตรวจจับผลกระทบที่กำหนดไว้ล่วงหน้า สำหรับการศึกษาเชิงสำรวจบางการศึกษา อาจเป็นเรื่องยากหรือผิดหากคุณยังไม่มีการประมาณค่าขนาดผลกระทบหรือความแปรปรวนที่เชื่อถือได้

สิ่งที่สำคัญคือความโปร่งใส บอกว่าเหตุใดคุณจึงเลือกหมายเลขนี้ และคำถามใดที่การศึกษาวิจัยนี้จัดทำขึ้นเพื่อตอบ ARRIVE 2.0 ถามสิ่งเดียวกัน: อธิบายว่าตั้งค่าขนาดตัวอย่างอย่างไร และแสดงการคำนวณนิรนัยหากคุณทำ

ไม่มีจำนวนสากล แต่เป็นหลักเกณฑ์ทั่วไปที่สมเหตุสมผล: การศึกษา NHP แบบสำรวจมักจะดำเนินการเป็นตัวเลขหลักเดียวต่อกลุ่ม ในขณะที่การศึกษาประสิทธิภาพที่ได้รับขับเคลื่อนอย่างเหมาะสมอาจต้องการมากกว่านั้น ขึ้นอยู่กับจุดสิ้นสุดและความแปรปรวน

กำหนดตัวเลขนั้นจากวัตถุประสงค์และสมมติฐานทางสถิติ ไม่ใช่จากตารางขนาดตัวอย่างทั่วไปของ NHP ทีมงาน NHP ที่มีประสบการณ์จะชั่งน้ำหนักแบบจำลองของโรค ผลทางเภสัชวิทยาที่คาดหวัง การควบคุมในอดีต ความแปรปรวนของจุดยุติ การออกแบบ และการวัดตามยาวที่มีอยู่ก่อนที่จะลงสู่การนับขั้นสุดท้าย

ขนาดตัวอย่าง NHP ที่ถูกต้องคือขนาดที่เล็กที่สุดที่ตอบคำถามที่กำหนดไว้ล่วงหน้า

นั่นหมายความว่าไม่มี "ขั้นต่ำ" สากลที่ครอบคลุมถึงเภสัชวิทยา การสร้างแบบจำลองโรค PK/PD การถ่ายภาพ หรือความปลอดภัย สามคนต่อกลุ่มสามารถถูกสำหรับจุดมุ่งหมายเชิงสำรวจหนึ่งและผิดสำหรับอีกเป้าหมายหนึ่ง และการเพิ่มสัตว์จำนวนมากขึ้นจะไม่ช่วยรักษาจุดสิ้นสุดที่ไม่ดีหรือความแปรปรวนที่ไม่สามารถควบคุมได้

การศึกษา NHP ที่สมเหตุสมผลจะสร้างสมดุลระหว่างความอ่อนไหวทางสถิติ เป้าหมายการแปล ความเป็นไปได้ และสวัสดิการจากบรรทัดแรกของระเบียบการ สำหรับผู้สนับสนุนที่วางแผนการศึกษาประสิทธิภาพหรือเภสัชวิทยาแบบแปล การวางแผนขนาดตัวอย่างขึ้นอยู่กับการเลือกแบบจำลอง คำจำกัดความจุดสิ้นสุด การสุ่ม การให้ยา การสุ่มตัวอย่าง PK/PD และการวิเคราะห์ โดยไม่ได้ยึดติดอยู่ที่ส่วนท้าย

Percie du Sert N, Hurst V, Ahluwalia A และคณะ แนวทาง ARRIVE 2.0: แนวทางปฏิบัติที่อัปเดตสำหรับการรายงานการวิจัยในสัตว์ชีววิทยาของ PLoS2020;18(7):e3000410. ดอย:10.1371/journal.pbio.3000410.

ติดต่อพริซิส ไบโอเทค