Un nuevo método estadístico puede evitar la muerte de animales de laboratorio

POR GRACE HUCKINS

Fuente: Spectrum / 18/03/2021

Ilustración: Julien Pacaud

Una nueva herramienta estadística basada en Internet podría ayudar a los investigadores a limitar el número de animales de control que utilizan, permitiéndoles reutilizar los datos recogidos en otros estudios. La estrategia podría facilitar la detección de los rasgos que distinguen a los ratones de tipo salvaje de los que tienen mutaciones en genes relacionados con el autismo.

El método aprovecha los datos existentes en el propio laboratorio del experimentador o en la bibliografía más amplia para aumentar eficazmente el tamaño del grupo de control de un estudio. Aunque no es totalmente nuevo, el método está disponible por primera vez como herramienta en línea. El equipo que ha creado la herramienta la describió y mostró su eficacia en Nature Neuroscience en febrero.

Los investigadores desarrollaron la herramienta en línea en respuesta a una observación

Casi todos los estudios publicados sobre ratones tienen una potencia estadística insuficiente. La potencia estadística cuantifica la probabilidad de que un experimento descubra un efecto concreto: el impacto de una mutación genética o un fármaco en el comportamiento social, por ejemplo. Los científicos suelen aspirar a una potencia del 80 por ciento -lo que significa que tienen un 80 por ciento de posibilidades de detectar un efecto, si es que existe-, pero son pocos los estudios que realmente alcanzan este listón.

Los grandes efectos pueden detectarse con pocos animales, pero los efectos más pequeños exigen un número mayor. Para explicitar el problema, el equipo revisó los estudios con animales sobre temas concretos y descubrió que el tamaño típico de la muestra -10 por grupo- sólo lograría una potencia adecuada para un efecto inusualmente grande. Menos del 10% de los estudios revisados descubrieron un efecto de esta magnitud.

Los tamaños de efecto más típicos requieren entre 20 y 400 animales por grupo, según el equipo. Y los estudios de comportamiento, en los que los tamaños de los efectos tienden a ser pequeños, se encuentran en el extremo superior de este rango. Pero un tamaño de muestra tan grande crea un problema ético: hay que matar a los animales para completar muchos experimentos, e incluso para los que sobreviven, la vida en un laboratorio no es ideal.

Reducción de tamaño

Para hacer frente a estos problemas, el equipo ideó un método para reducir el tamaño de las muestras y mantener una potencia estadística adecuada. Aprovecharon la estadística bayesiana, un marco que permite a los científicos actualizar sus creencias previas, o 'priors', a medida que se dispone de nuevas pruebas. La herramienta permite a los científicos construir una previsión a partir de estudios anteriores y actualizarla con sus propios datos, lo que les proporciona una distribución estadística final que describe los rasgos de los animales de control.

Para demostrar las ventajas de su método, el equipo analizó un conjunto de datos de casi 150 ratones que habían sufrido adversidades en sus primeros años de vida y un número similar de controles. Los dos grupos mostraron una diferencia estadísticamente significativa en sus capacidades de aprendizaje espacial, que desapareció cuando el equipo eliminó dos tercios de los animales del grupo de control. Sin embargo, cuando aplicaron su método bayesiano para reforzar los datos de control, rescataron el resultado. En otras palabras, su método permitió obtener el mismo resultado significativo utilizando unos 80 animales menos.

A pesar de sus ventajas, el método tiene algunos inconvenientes: Los grupos de control históricos pueden diferir de los actuales de forma inesperada, sobre todo cuando los datos pasados proceden de un laboratorio diferente. Para mitigar este problema, los científicos que utilizan la herramienta pueden optar por ponderar las fuentes de datos individuales en función de la similitud que creen que tienen con sus propios datos de control. Los experimentadores deben registrar esas ponderaciones antes de comenzar su estudio, de modo que no puedan manipularlas más tarde para obtener los resultados que desean, dice el equipo.

Y por mucho que el enfoque esté motivado por preocupaciones éticas, su principal objetivo no es reducir el tamaño de las muestras, dice la investigadora del estudio Valeria Bonapersona, estudiante de posgrado de la Universidad de Utrecht (Países Bajos). Más bien, dice, hay que aumentar el tamaño de las muestras para conseguir una potencia adecuada, por lo que sólo quiere limitar la magnitud de ese aumento lo máximo posible. "Básicamente, no hay forma de evitar el aumento del número de animales que utilizamos", dice.

Los estudios con poca potencia pueden pasar por alto los efectos reales, dice Bonapersona, por lo que contar con muestras de mayor tamaño y con datos de control históricos podría significar que es necesario realizar menos estudios, y dañar menos animales en general.

TAGS: autismo, modelos de ratón

https://www.spectrumnews.org/news/toolbox/new-statistical-method-may-spare-lab-animals/