通过贝叶斯 MAP 方法设计转化动物实验

在欧盟，动物实验的计划与实施受到严格的法律条件约束。然而，许多临床前动物实验的设计仍然很差。其后果是，在一个动物实验中的发现无法在另一个动物实验中重现，或者转化动物研究中的发现未能转化到人类。在经典频率论框架下设计新实验时，新实验的样本量选择旨在给定零假设的统计检验、显著性阈值和最小相关效应量的条件下，至少达到一定的统计功效。在贝叶斯框架下，推断是通过结合新观测数据的信息与代表参数先验信息的先验分布来进行的。在转化动物实验中，先验信息存在于先前对相似动物进行的相同结局的实验中。通过将历史数据总结在一个（贝叶斯）荟萃分析模型中，并利用该荟萃分析模型对新实验的数据进行预测，可以将先验信息以系统的方式纳入新动物实验的设计与分析中。这被称为荟萃分析预测（MAP）方法。本文介绍了如何通过 MAP 方法设计转化动物实验的概念，并将其与经典的频率论功效导向样本量规划进行了比较。讨论了这些方法在转化动物研究实际应用中当前存在的机遇与挑战。特别强调了通过设计分析构建先验分布和计算样本量。这些思考由一个真实的转化研究实例所驱动。