Half the price, twice the gain: How to simultaneously decrease animal numbers and increase precision with good experimental design
- PMID: 39315538
- PMCID: PMC11528980
- DOI: 10.1177/00236772241260905
Half the price, twice the gain: How to simultaneously decrease animal numbers and increase precision with good experimental design
Abstract
Animal research often involves experiments in which the effect of several factors on a particular outcome is of scientific interest. Many researchers approach such experiments by varying just one factor at a time. As a consequence, they design and analyze the experiments based on a pairwise comparison between two groups. However, this approach uses unreasonably large numbers of animals and leads to severe limitations in terms of the research questions that can be answered. Factorial designs and analyses offer a more efficient way to perform and assess experiments with multiple factors of interest. We will illustrate the basic principles behind these designs, discussing a simple example with only two factors before suggesting how to design and analyze more complex experiments involving larger numbers of factors based on multiway analysis of variance.
La recherche animale implique souvent des expériences dans lesquelles l’effet de plusieurs facteurs sur un résultat particulier présente un intérêt scientifique. De nombreux chercheurs abordent de telles expériences en variant un seul facteur à la fois. En conséquence, ils conçoivent et analysent les expériences basées sur une comparaison par paires entre deux groupes. Cette approche utilise cependant un nombre déraisonnablement élevé d’animaux et implique des limites importantes quant aux questions de recherche auxquelles il est possible de répondre. Les conceptions et les analyses factorielles constituent un moyen plus efficace de réaliser et d’évaluer des expériences comprenant de multiples facteurs d’intérêt. Nous allons illustrer les principes de base derrière ces conceptions, en discutant d’un exemple simple avec seulement deux facteurs avant de suggérer comment concevoir et analyser des expériences plus complexes impliquant un plus grand nombre de facteurs basés sur l’analyse de variance (ANOVA).
Bei Tierversuchen handelt es sich häufig um Experimente, bei denen die Auswirkung mehrerer Faktoren auf ein bestimmtes Ergebnis von wissenschaftlichem Interesse ist. Viele Forscher gehen solche Experimente an, indem sie jeweils nur einen Faktor variieren. Als Folge entwerfen und analysieren sie die Experimente auf der Grundlage eines paarweisen Vergleichs zwischen zwei Gruppen. Dieser Ansatz führt jedoch zur Verwendung von unverhältnismäßig vielen Tieren und schränkt die beantwortbaren Fragestellungen stark ein. Faktorielle Versuchsplanungen und Analysen bieten eine effizientere Möglichkeit, Experimente mit mehreren zu untersuchenden Faktoren durchzuführen und zu bewerten. Wir werden die Grundsätze hinter dieser Versuchsgestaltung veranschaulichen, indem wir ein einfaches Beispiel mit nur zwei Faktoren beschreiben, bevor wir Vorschläge für die Planung und Analyse komplexerer Versuche machen, die mit einer größeren Anzahl von Faktoren auf Grundlage der Mehrweg-Varianzanalyse (ANOVA) funktionieren.
La investigación con animales suele implicar experimentos en los que el efecto de varios factores sobre un resultado concreto es de interés científico. Muchos investigadores abordan estos experimentos variando únicamente un factor cada vez. Por ello, diseñan y analizan los experimentos basándose en una comparación por pares entre dos grupos. No obstante, este enfoque utiliza un número excesivamente elevado de animales y conlleva graves limitaciones en cuanto a las preguntas de investigación que pueden responderse. Los diseños y análisis factoriales ofrecen una forma más eficaz de realizar y evaluar experimentos con varios factores de interés. Ilustraremos los principios básicos en los que se basan estos diseños, analizando un ejemplo sencillo con solo dos factores antes de sugerir cómo diseñar y analizar experimentos más complejos que impliquen un mayor número de factores basándose en el análisis de varianza multidireccional (ANOVA).
Keywords: Experimental design; ethics and welfare; policy; reduction; sample size; statistics; techniques.
Conflict of interest statement
The authors declare that they have no conflicts of interest with regard to the content of this article.
Figures
Similar articles
-
The 3Rs and animal welfare - conflict or the way forward?ALTEX. 2003;20(Suppl 1):63-76. ALTEX. 2003. PMID: 14671703 Review.
-
The scope for improving the design of laboratory animal experiments.Lab Anim. 1992 Oct;26(4):256-68. doi: 10.1258/002367792780745788. Lab Anim. 1992. PMID: 1447904 Review.
-
Alternatives to animal experimentation in basic research.ALTEX. 2004;21 Suppl 1:3-31. ALTEX. 2004. PMID: 15586255 Review.
-
The role of the statistician in the Scottish Agricultural and Biological Research Institutes.Altern Lab Anim. 2004 Sep;32 Suppl 2:23-7. doi: 10.1177/026119290403202s06. Altern Lab Anim. 2004. PMID: 15601222
-
Use of factorial designs to optimize animal experiments and reduce animal use.ILAR J. 2002;43(4):223-32. doi: 10.1093/ilar.43.4.223. ILAR J. 2002. PMID: 12391398
References
-
- Rowe A. Recommendations to improve use and reporting of statistics in animal experiments. Lab Anim. 2023; 57(3): 224–235. doi:10.1177/00236772221140669 - PubMed
-
- Czitrom V. One-factor-at-a-time versus designed experiments. Am Stat. 1999; 53(2): 126–131. doi:10.1080/00031305.1999.10474445
-
- Coskun T, Urva S, Roell WC, Qu H, Loghin C, Moyers JS, et al.. LY3437943, a novel triple glucagon, GIP, and GLP-1 receptor agonist for glycemic control and weight loss: from discovery to clinical proof of concept. Cell Metab. 2022; 34(9): 1234–1247.e9. doi:10.1016/j.cmet.2022.07.013 - PubMed
-
- Hinkelmann K, Kempthorne O, (eds). Design and Analysis of Experiments. 2nd ed. Wiley Series in Probability and Statistics. Hoboken, NJ: Wiley-Interscience; 2008.
-
- Sun X, Ioannidis JPA, Agoritsas T, Alba AC, Guyatt G. How to use a subgroup analysis: users’ guide to the medical literature. JAMA. 2014; 311(4): 405. doi:10.1001/jama.2013.285063 - PubMed
MeSH terms
LinkOut - more resources
Full Text Sources
Research Materials
