Litteraturstudier, valg av dyremodell og design av forsøk

Når du planlegger dyreforsøk er det naturlig å gjøre et littertursøk. Du bør alltid søke i mer enn 1 database.

Du må og inkludere flere søke-komponenter i søket. For biomedisinsk forskning er det typisk å inkludere søk etter informasjon om:

• Intervensjonene du skal gjøre - Særlig med tanke på hvordan disse påvirker dyrevelferd og på raffinering av prosedyrer.
• Dyret - med tanke på dyrenes grunnleggende biologi, komprative aspekter/likheter og ulikheter med mennesker og artsspesifikke behov for dyrearten
• Sykdommen du studerer - Virkningen av denne, forekomst, patogenese og behandling av denne

Dette kan være nyttig informasjon når du planlegger dyreforsøk både med tanke på å velge riktig modell og med tanke på dyrevelferd.

Systematiske review er en strukturert, grundig og transparent fremgangsmåte ved litteratursøk. Flere relevante kilder og/eller databaser inngår i søket som basere på relevante søkeord, inkludert vanlig brukte synonymer («MeSH terms»). Ordet "mouse" kan ha mange synonymer som man bør inkludere i søket. Du finner noen av dem her. Tilsvarende for "Rat" finner du her.

Erfaring fra en systematisk review fra en studie av omega-3 supplement I dyremodeller for Alzheimers sykdom.

Radboud university medical center i Nederland har bygget opp en ressursside for deg som er interresert i å lære mer om systematic reviews av dyreforsøk.

Du finner mer informasjon på denne lenken.

De har også lagt ut video presentasjoner av forelesningene fra 1st International Symposium on Systematic Reviews in Laboratory Animal Science

Flere sentrale spørsmål ble adressert under dette symposiet, blandt annet:

• Hva har vi lært av Cochrane Collaboration?
• Kritisk vurdering av dyreforsøk.
• Overføringsverdi av dyreforsøk for mennesker.
• Valg av statistisk metode og hvordan det påvirker resultater

Artikkel: Systematic reviews and meta-analyses of preclinical studies: publication bias in laboratory animal experiments

Konklusjoner fra relevante studier og settes sammen i en meta-analyse. På denne måten å anvendes kunnskap («evidence») fra flere studier for å bekrefte eller avkrefte påstander om sammenhenger mellom virkestoff og dets virkning på kroppen, sykdomsmekanisme osv. som man ikke nødvendigvis finner ut fra enkeltstudier.

Metaanalyser er nyttige før planlegging av nye dyrestudier for eksempel for å vurdere om en gitt modell er egnet til å predikere utfall eller relevante virkninger. Hvis halvparten av studiene påviser en effekt mens andre halvparten ikke kan bekrefte effekt eller påvise motsatt effekt, hvilke av studiene skal vi da velge å stole på, eller kan vi stole på noen av dem? Basert på slike studier kan man gjøre en mer kvalifisert vurdering av hvorvidt det er riktig å gå videre med nye dyrestudier eller om man bør finne alternative fremgangsmåter for å få mer kunnskap om et fenomen.

Metatanalyser er også nyttig og nødvendig i planlegginga av videreføring fra prekliniske forsøk i dyr til kliniske studier i mennesker. Er dyrestudiene så entydige at de kan støtte at man går videre med studier i mennesker, eller spriker resultat av dyrestudier i mange retninger.

Michael Festing har utviklet et interaktivt læringsverktøy planlegging av dyreforsøk som blant annet inneholder.

• Design av dyreforsøk
• Hva som påvirker antall dyr som behøves i en studie
• Statistikk
• Hvordan spare dyr, tid og penger ved bedre planlegging av dyreforsøk
• (anbefalt webbrowser explorer, safari)

Den inneholder flere selv-tester som du kan foreta for å teste din kunnskaper.

Michael Festing er toksikolog og har jobbet med problemer knyttet til design av dyreforsøk i en årrekke og har bland annet gitt ut boken "Design of Animal Experiments" som kan skaffes fra SAGE

Du kan lese mer om Michael Festing og hans arbeid her.

Selv når du baserer dine beregninger på tidligere lignende studier for eksempel « vi vet fra tidligere studier at studien krever et minimum av n dyr for å oppnå signifikans» må du likevel oppgi de størrelsene som inngår i beregningen din

• Hva er relevant behandlingseffekter (Xb-Xk)
• Ønsket signifikansnivå
• Ønsket styrke
• Estimat av variasjon

Disse størrelsene må beskrives selv om du baserer deg på tidligere lignende studier 

Basert på disse kan du beregne antall dyr for eksempel ved bruk av denne linken til "Sample size calculator"

Under finner du linker til noen animerte, humoristiske youtube videoer som belyser vanlige misforståelser og utfordringer ved design av dyreforsøk, og vurdering av forskingsresultater.

Biostatistics vs. Lab Research

Power of the test, p-values, publication bias and statistical evidence

What the p-value?