비인간 영장류 전임상 연구에 필요한 최소 표본 크기는 얼마인가요?

모든 비인간 영장류(NHP) 전임상 연구에는 단일 최소 표본 크기가 없습니다.

올바른 숫자는 질문, 1차 평가변수, 예상되는 치료 효과, 생물학적 다양성, 통계 설계 및 작업 윤리에 따라 달라집니다.NHP 약리학일반적으로 그룹은 설치류 그룹보다 소규모로 운영되지만 이것이 하나의 고정된 숫자가 질병 모델이나 연구 목표를 포괄한다는 의미는 아닙니다.

더 나은 질문은 "내가 피할 수 있는 가장 적은 수의 원숭이는 무엇입니까?"가 아닙니다. 그것은:동물을 낭비하지 않고 기본 질문에 답할 수 있는 가장 작은 표본은 무엇입니까?각 동물이 진정한 과학적, 윤리적, 재정적 헌신을 하는 NHP 작업에서는 프레임 구성이 중요합니다.

NHP 연구에서는 몇 가지 이유로 설치류 연구보다 더 적은 수의 동물을 사용하는 경향이 있습니다.

NHP는 생리학 및 해부학적 측면에서 인간과 더 가깝기 때문에 일부 번역 종점은 동물당 더 많은 가중치를 갖습니다. NHP 연구는 또한 반복적인 PK 그리기, 영상화, 행동 점수 매기기, 바이오마커 추적 등 종단적 측정에 크게 의존합니다. 한 동물은 연구 전반에 걸쳐 많은 데이터 포인트를 제공하므로 소규모 그룹에서도 여전히 많은 양의 결과를 얻을 수 있습니다.

게다가 영장류 연구는 더 무거운 윤리적 중요성을 지닙니다. 유인원과 원숭이는 구하기가 쉽지 않으며 복지 기준도 높습니다. 따라서 목표는 가능한 한 많이 사용하는 것이 아니라 해석 가능한 결과를 제공하는 가장 적은 수를 사용하는 것입니다.

ARRIVE 2.0은 이를 반영합니다. 지침에 따르면 저자는 실험 단위의 정확한 수를 보고하고 선험적 표본 크기 계산을 포함하여 이를 어떻게 얻었는지 설명해야 합니다. 그들은 당신에게 보편적인 동물 수를 알려주지 않습니다.

대부분의 탐색 및 약리학 작업에서 NHP 그룹은 10자리가 아닌 한자리 숫자에 도달합니다. 하지만 범위는 넓습니다.

좁은 목표, 타당성, 모델 설정, 노출, 초기 PD 신호를 사용하는 탐색적 연구는 때때로 그룹당 몇 마리의 동물을 대상으로 실행할 수 있습니다. 통제된 효능 연구에는 더 많은 통계적 뒷받침이 필요합니다. 끝점이 확실하고 효과가 분명하다면 그룹당 여러 개를 사용할 수 있습니다. 끝점이 흔들리거나 예상되는 효과가 작을 때는 더 많은 것이 필요합니다.

종방향 및 교차형 디자인은 각각의 동물이 자체 제어 역할을 하기 때문에 더 적은 수의 동물로도 문제를 해결할 수 있습니다. 여러 가지 버전, 시끄러운 끝점, 예상되는 탈락 또는 여러 개의 독립적인 비교가 누적된 경우 반대의 경우가 적용됩니다.

따라서 "그룹당 5개" 또는 "그룹당 10개"를 법칙이 아닌 기준점으로 취급하십시오. 이는 규제 수준이 아닌 설계에 따른 시작점입니다.

표본 크기는 종이 아니라 연구의 주요 목적을 따라야 합니다.

1. 기본 엔드포인트

일반적으로 가장 큰 레버입니다. 안정적인 정량적 판독에는 시끄러운 행동, 영상 또는 질병 심각도 점수보다 더 적은 수의 동물이 필요합니다.

예를 들어 PK 연구는 각 동물로부터 반복적인 농도 측정을 가져오므로 소규모 그룹이 여전히 노출 문제를 해결할 수 있습니다. 방황하는 임상 점수를 바탕으로 구축된 효능 연구는 실제 치료 효과를 보려면 더 많은 단위가 필요합니다. 주요 증거를 전달하는 끝점을 중심으로 연구 규모를 조정하십시오.

2. 기대효과크기

효과 크기는 감지하려는 차이입니다. 크고 생물학적으로 의미 있는 효과는 더 적은 수의 동물에서 나타납니다. 작은 것에는 더 많은 것이 필요합니다.

이것이 바로 "NHP 연구에는 그룹당 최소 6개가 필요합니다"가 표면상으로는 불완전한 이유입니다. 한 끝점에는 6개면 충분하지만 다른 끝점에는 충분하지 않을 수 있습니다. 이전 NHP 데이터, 파일럿, 과거 대조, 출판된 연구 또는 임상적으로 관련된 격차에 대한 방어 가능한 추정치에 예상되는 효과를 고정시킵니다.

3. 종말점 가변성

가변성은 표본 크기를 직접적으로 결정합니다. 분산된 그룹에는 신호와 소음을 분리하기 위해 더 많은 동물이 필요합니다. 엄격하고 재현 가능한 엔드포인트는 더 적은 리소스로 작업을 수행할 수 있습니다.

이러한 분산은 연령, 성별, 체중, 기본 질병 심각도, PK 차이, 질병이 유발된 방법, 개별 생물학에서 비롯됩니다. NHP 작업에서는 설계 단계에서 가변성을 제어하는 ​​것이 동물을 추가하는 것만큼 중요할 수 있습니다.

4. 통계력 및 유의수준

가설 중심 연구의 경우 검정력 분석이 숫자를 설정합니다. 입력은 예상 효과 크기, 변동성 또는 표준 편차, 유의 수준(일반적으로 α = 0.05), 목표 검정력(종종 80% 또는 90%), 통계 모델 및 설계입니다.

방향은 간단합니다. 감지할 효과가 더 작고, 제1종 오류가 더 엄격하거나, 전력이 더 높을수록 필요한 n이 높아집니다.

한 가지 경고. 실제 기본 엔드포인트에서 전력 분석을 실행합니다. 관련되지 않은 모델이나 다른 끝점에서 분산을 빌리면 유지되지 않는 표본 크기 추정치가 생성되며, 비교 가능한 과거 데이터 세트가 얇은 NHP 작업에서는 그 바이트가 더 날카롭습니다.

5. 연구 설계

디자인 자체가 수학을 바꿉니다. 병렬 그룹에는 각 팔에 별도의 동물이 필요합니다. 교차 또는 반복 측정 설계는 각 동물에서 더 많은 정보를 짜내고 동물 간 차이를 줄일 수 있습니다.

같은 이유로 동일한 동물을 세로로 추적하는 것이 더 효율적입니다. 그러나 반복적인 조치로 적절한 n의 필요성이 사라지지는 않습니다. 시점, 예상되는 탈락, 누락된 데이터 및 올바른 모델 간의 상관관계는 모두 계획에 포함됩니다.

가장 중요한 것은 탐색적 대 확인적입니다.

탐구 작업의 목표는 질병 모델이 확실하게 유발하는 것을 보여주고, PK 프로필을 스케치하고, 복용량 범위를 찾고, 목표 참여를 확인하거나, 활동의 초기 징후를 생성하는 것입니다. 이는 더 큰 효능 프로그램에 전념하기 전에 충분히 배우기 위해 의도적으로 작게 실행되는 경우가 많습니다.

확증적 효능 연구는 다릅니다. 컨트롤에 대해 미리 정의된 효과를 입증하려는 경우 n은 이를 뒷받침하는 데이터가 존재할 때마다 공식적인 통계적 근거에 근거해야 합니다.

이는 또한 공개된 NHP 표본 크기가 그렇게 광범위하게 변동하는 이유이기도 합니다. 소규모 탐색 연구와 강화된 효능 연구는 둘 다 원숭이를 사용했다는 이유만으로 비교할 수 없습니다.

n이 클수록 전력이 증가하지만 만병통치약은 아닙니다.

디자인이 엉성하면 더 많은 동물이 고치지 않을 것입니다. 일관되지 않은 질병 유발, 잘못된 종료점, 기술적 잡음 또는 약한 무작위화로 인한 가변성은 더 큰 표본에서도 살아남습니다.

NHP 작업에서 더 현명한 조치는 일반적으로 피할 수 있는 변동성을 먼저 줄이는 것입니다. 질병 유발 방법을 표준화하고, 동물의 기준을 적절하게 설정하고, 할당의 균형을 맞추고, 포함 및 제외 기준을 미리 설정하고, 샘플링 일관성을 유지하고, 객관적인 정량적 종말점을 사용하십시오. 이는 정당한 경우에만 동물을 사용하여 과학과 윤리를 동시에 제공합니다.

작은 표본은 약한 연구와 같지 않습니다.

NHP 연구는 반복적인 측정과 보완적인 평가변수를 구축할 때 각 동물로부터 많은 것을 끌어낼 수 있습니다. 한 동물은 연구 전반에 걸쳐 종단적 PK, PD 바이오마커, 영상화, 임상 관찰 및 행동 점수에 기여할 수 있습니다. 고급 생체 내 이미징을 사용하면 모든 시점에서 동물을 죽이지 않고도 시간 경과에 따른 질병 진행이나 반응을 추적할 수 있습니다. 예를 들어 Prisys의 번역 플랫폼은 이러한 종류의 종단적 NHP 작업을 위해 MRI, CT, PET-CT 및 DSA를 지원합니다.

정량적 행동도 같은 방식으로 작동합니다. AI 기반인 마커리스 3D 추적은 시간이 지남에 따라 움직임과 행동을 측정하고 약리학에 대한 또 다른 종단점을 추가합니다.

이 중 어느 것도 적절한 표본 크기 계산을 대체하지 않습니다. 그것은 단지 각 실험 단위가 유지권을 얻도록 만듭니다.

실행 가능한 계획 순서는 다음과 같습니다.

1. 기본 질문과 이에 답하는 엔드포인트를 찾아보세요. 미리 결정된 인원수가 아닌 엔드포인트를 중심으로 디자인하세요. 2. 과거 NHP 데이터, 파일럿, 문헌 또는 기타 방어 가능한 소스로부터 예상되는 효과와 변동성을 추정합니다. 3. 통계 모델을 선택하고 원하는 유의 수준과 검정력을 설정합니다. 4. 적용되는 경우 사전 표본 크기 계산을 실행합니다. 5. 번호를 잠그기 전에 감소, 반복 측정, 팔 수, 성별 혼합, 무작위 배정 및 복지를 고려하십시오.

NHP 작업에서 일반적으로 발생하는 신뢰할 수 있는 분산 추정치가 존재하지 않는 경우 통계, 사전 경험, 파일럿 데이터 및 판단을 혼합하여 활용하게 됩니다. 문헌에서는 이를 정확하게 표시합니다. 직접적으로 관련된 예비 데이터가 부족한 경우가 많으며 관련되지 않은 끝점을 기반으로 구축된 검정력 계산이 유지되지 않습니다.

항상 그런 것은 아닙니다.

공식적인 검정력 계산은 사전 정의된 효과를 탐지하기 위한 가설 중심 연구에서 계속 사용됩니다. 일부 탐색 연구의 경우 아직 신뢰할 수 있는 효과 크기 또는 변동성 추정치가 없을 때 실행하는 것이 어렵거나 잘못된 경우가 있습니다.

그렇다면 중요한 것은 투명성이다. 왜 그 숫자를 선택했는지, 그리고 이 연구가 어떤 질문에 대답하기 위해 만들어졌는지 말해보세요. ARRIVE 2.0은 동일한 것을 요구합니다. 샘플 크기가 어떻게 설정되었는지 설명하고, 수행한 경우 사전 계산을 보여줍니다.

보편적인 숫자는 없지만 합리적인 경험 법칙이 있습니다. 탐색적 NHP 연구는 종종 그룹당 한 자릿수로 실행되는 반면, 적절하게 강화된 효능 연구는 끝점과 가변성에 따라 더 많은 것이 필요할 수 있습니다.

일반적인 NHP 표본 크기 테이블이 아닌 목표 및 통계적 가정에서 해당 숫자를 설정합니다. 숙련된 NHP 팀은 최종 집계에 착수하기 전에 질병 모델, 예상되는 약리학적 효과, 과거 대조, 종말점 변동성, 설계 및 사용 가능한 종단적 측정을 평가합니다.

올바른 NHP 표본 크기는 사전 정의된 질문에 답하는 가장 작은 표본 크기입니다.

이는 약리학, 질병 모델링, PK/PD, 영상화 또는 안전성을 포괄하는 보편적인 "최소값"이 없다는 것을 의미합니다. 그룹당 세 개가 하나의 탐색 목표에는 옳을 수도 있고 다른 탐색 목표에는 틀릴 수도 있습니다. 그리고 더 많은 동물을 쌓아도 나쁜 종말점이나 통제할 수 없는 변동성이 구제되지는 않습니다.

정당한 NHP 연구는 프로토콜의 첫 번째 줄에서 통계적 민감도, 번역 목표, 타당성 및 복지의 균형을 유지합니다. 효능 또는 중개 약리학 연구를 계획하는 스폰서의 경우 표본 크기 계획은 모델 선택, 평가변수 정의, 무작위 배정, 투여량, PK/PD 샘플링 및 분석에 속하며 마지막에 추가되지 않습니다.

Percie du Sert N, Hurst V, Ahluwalia A, 외. ARRIVE 지침 2.0: 동물 연구 보고에 대한 지침이 업데이트되었습니다.PLoS 생물학.2020;18(7):e3000410. doi:10.1371/journal.pbio.3000410.

프리시스 바이오텍에 문의하세요