Вопросы биомедицинской этики в науке
Пионером в области защиты животных и природы является Великобритания, где в 1926 году было сформировано Общество по охране животных Лондонского университета, которое с 1938 года носит название Университетская федерация защиты животных (UFAW). Данная научно-образовательная благотворительная организация проводит симпозиумы, конференции, встречи, издает книги, видео, журнал, которые направлены на освещение и поощрение научных достижений, способных улучшить жизнь животных. Именно основатель UFAW Чарльз Хьюм впервые предложил разработать более гуманные лабораторные методы для экспериментов с участием животных.
Он поручил создать и осуществить программу исследований на эту тему оксфордскому зоологу Уильяму Расселу и его ассистенту Рексу Берчу. Результаты данной работы нашли отображение в книге «Принципы гуманной экспериментальной техники», изданной в 1959 году. Авторы монографии показали, что существует прямая взаимосвязь между эффективностью и достоверностью эксперимента и соблюдением принципов гуманности. Поимо этого, Рассел и Берч сформулировали «Биоэтическую концепцию трех R», которая легла в основу многих научных работ и публикаций.
Также был создан фонд по замене животных в медицинских экспериментах (FRAME), конечной целью которого является устранение необходимости использования лабораторных животных в любых медицинских или научных процедурах. Работы по поиску альтернативных методов проводятся в Университете Ноттингема. При поддержке FRAME были созданы журнал ALTA, публикующий наиболее актуальные исследования, связанные с поиском альтернатив использованию лабораторных животных, и центр ECVAM, занимающийся разработкой, утверждением и популяризацией данных методов.
|
|
|
В Российской Федерации вопросы биоэтики регулируются различными, нормативными документами (Приказы 266, 267, 742, 755), ГНЦ РФ Институт Медико – Биологических Проблем Российской Академии Наук и комиссией по биоэтике, созданной в 2008 году на базе МГУ им.М.В.Ломоносова.
Биоэтическая концепция трех R
Reduction (сокращение)
Определение: «Сокращение количества используемых животных без компромисса с научным результатом и качеством биомедицинского исследования и тестирования, а также без компромисса с благополучием животных»
Методы:
Совершенствование исследовательской стратегии.
1.Четкое планирование дизайна эксперимента (что, зачем и в каком количестве необходимо для статистически достоверного результата)
2.Адекватный выбор лабораторных животных
3.Подробное изучение научной литературы по данной тематике, чтобы исключить постановкуМ идентичного эксперимента
|
|
|
Совершенствование контроля вариации.
1.Использование стандартных по микробиологическим, генетическим и экологическим параметрам животных
Совершенствование статистического анализа
1.Использование статистических методов на стадии планирования эксперимента
Replacement (замена)
Определение: «Замена высокоорганизованных животных низкоорганизованными или использование альтернативных методов»
Методы:
1)Абсолютная/ относительная
1.Относительная замена подразумевает гуманное умерщвление позвоночного животного с целью выделения клеток, тканей и органов для исследований in vitro
2.Абсолютная замена исключает в принципе исключает использование позвоночных животных в качестве экспериментальной модели (замена беспозвоночными)
2)Прямые/косвенные
1.Прямая замена – проведение in vivo эксперимента вместо in vitro
2.Косвенная замена – проведение ряда исследований на беспозвоночных животных или клеточных моделях
3)Полная/частичная
1.Полная замена включает отказ от эксперимента, для проведения которого необходимо использовать позвоночное животное
2.Частичная замена подразумевает проведение эксперимента без использования животной модели для получение предварительных результатов и тестирования уровня токсичности того или иного препарата
|
|
|
Refinement (Улучшение условий)
Определение: «Улучшение условий содержания лабораторных животных, уменьшение их дистресса во время эксперимента и применение обезболивающих средств»
Методы:
1.Условия вивария должны быть комфортными для животного и приближены к его естественной среде обитания
2.Небходимо четко представлять физиологические потребности экспериментального животного и характер его поведения
3.Четко понимать, какой эффект оказывают те или иные препараты на животное и в какой дозировке
Программы обучения персонала
FELASA ( Federation of European Laboratory Animals Science Associations) – Федерация европейских научных ассоциаций по лабораторным животным, занимающаяся разработкой программой подготовки специалистов данной сферы различного уровня
| Категории | Ответственность |
| A | Сотрудники, ухаживающие за животными |
| B | Сотрудники, ставящие эксперименты на животных |
| C | Сотрудники, ответственные за руководство экспериментами с участием животных |
| D | Специалисты в области науки о лабораторных животных |
Четкое разделение обязанностей способствует соблюдению «Биоэтических концепций трех R» и уменьшает возможностью ошибки. Каждый специалист должен пройти образовательную программу, соответствующую его категории.
|
|
|
Основная цель
1)Соблюдение биоэтических концепций неразрывно связано с качеством и эффективностью научного исследования. Это не просто «необходимая строка» в документах, а гарант точности эксперимента и профессионализма ученого;
2)Например, в опыте, поставленном Деймоном и др., исследователи пытались найти токсическую дозу урановой руды. Первая группа крыс была изъята из привычной клетки и помещена в незнакомую метаболическую клетку. В этих условиях токсическая доза урановой руды составила 3-8 мг/кг. Вторая группа получала токсическую дозу в привычной клетке, и она составила 220-650 мг/кг.
Основы статистики
Статистика – наука, посвященная сбору, измерению и анализу количественных и качественных данных в числовом виде.
Зачем нужна статистика? Основная (но не единственная) цель статистики – перевод количественных величин в качественные и наоборот.
Статистика используется на разных этапах исследования, однако наиболее важными из них являются подготовка к эксперименту и анализ данных.
На этапе подготовки необходимо определиться с объемом выборки. Выборка –совокупность исследуемых объектов. Объем выборки, требуемый для проведения того или иного эксперимента, зачастую определяется критерием Мощности Исследования. Зачастую минимальной мощностью принято считать 85%, т.е. объем выборки, соответствующий 85% мощности, является достаточным, чтобы провести исследование с высоким уровнем достоверности. Далее, определившись с объемом выборки, нам необходимо сформировать группы. Самое простое исследование в области медицины подразумевает деление групп на 2 категории: экспериментальные и контрольные. Под экспериментальными подразумевается воздействие на объекты исследования какими-либо неизученными веществами/технологиями либо (в случае медицины) данные объекты являются пациентами/животными/клетками/и т.д. с теми или иными признаками (генами/патологиями), которые мы планируем исследовать. Контрольные группы – здоровые/нормальные объекты, не обладающие исследуемым признаком и не подвергаемые исследуемому воздействию, либо получающие плацебо терапию, либо наилучшую (из доказанных). Иногда в эксперимент добавляют группу, которая не получает исследуемое воздействие, такую группу называют наивной. При наборе выборки для исследования следует придерживаться правила эквивалентности групп: между группами не должно быть отличий, кроме наличия/отсутствия изучаемого признака/метода. Например, при исследовании влияния препарата Х на выживаемость пациентов с определенным заболеванием, можно сравнивать только пациентов из одной возрастной группы, находящиеся на одной и той же стадии заболевания, одного пола, одной расы/национальности и т.д. При необходимости изучения влияния препарата Х на людей разного возраста следует организовать несколько групп: 2 группы (эксперимент/контроль) возраста А и 2 группы (эксперимент/контроль) возраста В. Этими требованиями и обусловлена сложность и дороговизна клинических испытаний новых лекарственных средств.
Так, на этапе анализа результатов исследования мы получаем некоторый объем данных по разным параметрам. Первое, что мы получаем при обработке данных это среднее арифметическое, однако, это не может дать нам точного представления о достоверности или ложности того или иного суждения. Так, для того, чтобы показать различия между данными выборками следует воспользоваться среднеквадратическим отклонением (стандартное отклонение). Так, в таблице несмотря на одинаковое среднее значение, стандартное отклонение показывает, что в группе 1 значения более сгруппированы вокруг среднего, следовательно, эти данные более достоверны(т.е в меньшей степени случайны).
Группа 1 Группа 2
Множества значений 5;6;7;5;7;6;6 1;2;10;12;3;14;0
Средние значения 6 6
Стандартное отклонение 0.8165 5.8023
Наглядным примером здесь может выступить стрельба по мишеням, где два стрелка могут за 10 выстрелов набрать 70 очков (из 100 возможных), однако у одного из них отклонение меньше 1, а у второго около 4. Из них более метким является стрелок со стандартным отклонением меньше 1, т.к. это говорит о том, что он стабильно попадал близко к центру мишени, тогда как второй стрелок хоть и попадал «в яблочко», но также попадал и «в молоко».
Так, если мы получили два разных средних значения для экспериментальной и контрольной группы, нам необходимо понять, является ли данное различие/сходство достоверным. В данном случае, мы должны понять, не пересекаются ли единичные измерения в разных группах между собой. Для этого нам поможет p-value или любой другой тест/критерий. P-value – численный показатель ошибки первого рода (т.е. вероятность отклонения нулевой гипотезы т.е принятия другой неверной гипотезы). В случае сравнения двух групп (с небольшим объемом выборок) адекватным будет использовать критерий Манна-Уитни, который можно описать как степень перекрещивания значений между двумя рядами (двумя группами). Также его можно увидеть при выведении графиков (см. ниже), перпендикулярные полосы – стандартное отклонение, можно заметить их перекрещивание, что говорит нам о том, что мы не можем судить о показанном отличии как о статистически значимом. Значение p<0.005 говорит нам о наличии статистически значимом различии, p>0.1 может сказать нам об отсутствии расхождений между выборками.
В науке бывают случаи, когда даже статистические критерии не являются показателем взаимосвязи двух событий, это связано с тем, что далеко не всегда два синхронных события взаимосвязаны друг с другом. Особенно часто подобное происходит в исследованиях, связанных с наблюдениями. Так, например, всплеск рождаемости в Канаде на протяжении многих лет (более чем 20 лет) совпадает со всплеском потребления пива в Германии. «Совпадение? Думаю, да». Для таких случаем необходимо искать связанные между собой параметры.
Дата добавления: 2018-11-24; просмотров: 536; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!