科研实验动物怎么分组？_实验干货_实用技巧

样本量取多少合适？样本量是不是越大越好？无论是毕业答辩，还是研究设计，样本量的问题经常困扰着不少科研伙伴们。

随着科学研究的发展，各学科对实验动物的需求量不断增长；伦理学规范也引发人们对动物福利和科学道德的重视。此外，实验动物样本数量的模棱两可甚至会导致研究结果被误读。ARRIVE（动物研究：体内实验报告）指南已明确要求动物实验报告解释实验动物所需样本量如何确定，并提供样本量估算的详细信息。

0 (1).png

0 (2).png

各位伙伴们，在做动物实验的你们，有没有测算过，您这次动物实验需要几只小白鼠呀！

没有，师兄说8只一组够了

那些文章6只就够了，我怕不够，还多了2只

01 为什么要进行样本量估算？

科学性要求：使研究设计更加严谨。

伦理学考虑：对于实验动物研究者应当遵循3R原则，即替代（replacement），减少（reduction）和优化（refinement）。估算实验动物的样本量则着眼于第二个R—减少（reduction）。

对可行性的评估需要：从人、时、物力等等方面对方案的可执行性进行充分的评估。

（1）样本量是不是越多越好呢？

当然不是！

因为样本量越大，实际操作难度就越大，所需试验经费就越大。
样本量大虽然可以压缩置信区间，但会不利于试验的质量控制。
当样本量大到已经有足够的效能（power）检出差异，再增大样本量几乎不会带来益处，只会浪费。不是说样本量越大，试验研究就越厉害，只要达到足够的power检出差异就好。

（2）样本量太小呢？

样本量越小，所需要的经费越少，实际操作也越简单，但是样本量太小，会带来以下问题：

1、样本量不够会影响检验效能，导致不能发现原本存在的差异。通俗来说，就是你希望你的研究得到一个P值小于0.05的结果，但样本不够，你得不到的可能性会大大增加。

如果你一个实验，有10%的概率得不到，是可以接受，如果是30、50%呢？你还能接受吗？

2、样本量太小，甚至可能由于机遇的原因导致阴性结论。

所以在进行试验之前，我们要对样本含量进行正确地估算，来获得适当的样本量，这样可以节省大量的人力、物力、财力，同时也可以减少对实验动物造成的潜在伤害，使研究结果真实可信。

02 动物实验样本量的确定依据和计算方法

实验动物的样本量估算其实和临床研究样本量估算的原理相同，都需要通过研究的效应量进而估计得到所需样本数量，以此获得足够的效能（power）来进行统计分析并得出相对可靠的结论。

（1）确定依据（这些方法的可信度由强到弱）：

1.预实验结果：可信度最高

2.文献总结情况（meta分析之类的当然最好）：有的时候没做预实验，但是别人做过类似的，或者参考以前的研究结果，那就用这种方法：把别人做过的相似的研究总结一下。

3.既往文献常用的样本量（惯例）：没有过类似的实验，那就看别人研究一般都用到多少。

（2）计算方法（针对依据1）

方法1

需要已知的最重要的参数为：

效应量（各组关键指标的均数）
标准差（各组关键指标的标准差）
一类错误概率（α）
统计功效（power=1-β），其中β为二类错误概率

通常还要考虑如模型失败，动物死亡等原因造成的损耗率，通常在10-20%左右。该方法也是临床试验中样本含量估算的常用方法，优势在于结果稳健且易于解释。但它也并非完美无缺，因为需要提前通过预实验或发表文献中获取每组动物的效应量和其标准差。

一般是基于t检验（两组均数）或者F检验（多组均数）计算样本量。

基于t检验计算样本量

基于F检验计算样本量

方法2

通过方差分析的自由度（E）进行估算，E的取值范围应在10-20之间，如果当计算的E小于10则说明应当增加每组的动物数量，以此提高其产生显著性水平结果的可能；当计算的E大于20时则说明估算的动物数量过多，并不能继续提高其产生显著性水平的结果的可能，造成实验动物的浪费，所以应当减少每组的动物数量。

其中E的计算公式如下：E=各组实验动物之和-组数

临床研究之所以注重样本量估算，其中很重要的原因在于人群中明显的个体差异，所以充分的样本是透过样本随机误差了解总体的重要措施。在动物研究中，由于我们有机会通过纯化的种系和更加可控的实验过程实现研究对象的同质性，可比性，完成因果推断。此刻，往往并不需要和临床研究那样，对个体变异那样“敬畏有加”。以实验动物为对象的研究，其样本量的确定在很多情况下都不是通过统计学估算来决定的。