بزرگنمايي:

آریا بانو - سیناپرس / بررسی های جدید پژوهشگران نشان می دهد یک ابزار جدید آماری مبتنی بر وب می تواند به محققان کمک کند تا تعداد حیوانات مورد آزمایش و کنترل کننده مورد استفاده خود را محدود کنند.
این ابزار جدید، پژوهشگران را قادر به استفاده مجدد از داده های جمع آوری شده در سایر مطالعات می کند. این استراتژی می تواند تشخیص ویژگی هایی را که موش های وحشی را از جهش در ژن های مرتبط با اوتیسم متمایز می کند، آسان کند.
در توضیح این فناوری اعلام شده است که این روش، داده های موجود را از آزمایشگاه شخصی دانشمندان فراتر برده و از ادبیات گسترده تری استفاده می کند تا به طور موثر اندازه گروه کنترل مطالعه را افزایش دهد. به گزارش سیناپرس، ایده فوق اگرچه کاملاً جدید نیست، اما این روش برای نخستین بار به عنوان یک ابزار آنلاین در دسترس همه محققان قرار گرفته است. 
محققان در رابطه با دلیل ابداع این فناوری اعلام کردند: از موش ها در آزمایش های متعددی استفاده می شود اما نتایج بسیاری از این تحقیقات هیچ گاه منتشر نمی شوند و از سوی دیگر احتمال آماری کمی وجود دارد که یک آزمایش بتواند اثری خاص را همچون تأثیر جهش ژنی یا دارو در رفتارهای اجتماعی کشف کند.
به گفته دانشمندان نتایج و اثرات بزرگ در مطالعات علمی را می توان با تعداد کمی از حیوانات تشخیص داد اما اثرات کوچک تر نیاز به استفاده از تعداد بیشتری از جانوران آزمایشگاهی دارند. برای مشخص کردن این مشکل، تیم مطالعاتی فوق، جانوران مختلف مورد استفاده در آزمایشگاه ها را در مورد موضوعات خاص مورد بررسی قرار داده و دریافتند که کمتر از ده درصد مطالعات، با هدف بررسی تاثیرات بزرگ و عمومی روی جانوران انجام می شوند که نیاز به تعداد کمی حیوان آزمایشگاهی دارد اما در ابعاد مطالعاتی متوسط، معمولا در هر گروه به حدود 20 تا 400 حیوان نیاز است. از سوی دیگر بسیاری از پژوهش هایی که با هدف مطالعات رفتاری انجام می شوند در جستجوی بررسی اندازه اثرات کوچک هستند.
این مساله به طور معمول مشکلاتی اخلاقی ایجاد می کنند زیرا برای انجام بسیاری از این آزمایش ها باید حیوانات زیادی کشته شده و حتی آن هایی که زنده مانده اند، نیز امکان زندگی عادی وجود نخواهد داشت و چون دیگر نمی توان از آن ها در آزمایش استفاده کرد، معدوم می شوند. به گزارش سیناپرس، برای رفع این نگرانی ها، پژوهشگران روشی ابداع کردند تا ضمن حفظ قدرت آماری کافی، اندازه نمونه ها را کاهش داد. آنها از روش موسوم به Bayesian statistics استفاده کردند، چارچوبی که دانشمندان را قادر می سازد با در دسترس قرار دادن شواهد جدید ، باورهای قبلی را به روز رسانی کنند.
این ابزار دانشمندان را قادر می سازد که مقدماتی از مطالعات گذشته را بررسی کرده و آن را با داده های خود به روز رسانی کنند. این ابزار همچنین امکان توزیع آماری نهایی را در اختیار آن ها قرار می دهد که به کمک آن بتوانند صفات حیوانات کنترل را توصیف کرده و مورد مطالعه قرار دهند.
این تیم برای نشان دادن مزایای روش خود، مجموعه داده هایی از تقریباً 150موش را که با مشکلات اولیه زندگی روبه رو بوده اند و تعداد مشابهی از موش های عادی مقایسه کردند. این دو گروه از نظر آماری تفاوت معناداری در توانایی های یادگیری فضایی خود نشان دادند که پس از حذف دو سوم حیوانات از گروه کنترل، این اختلاف از بین رفت. اگرچه آنها از روش Bayesian statistics برای تقویت داده های کنترل استفاده کردند، اما نتایج به دست آمده کاملا دقیق بود. به عبارت دیگر، روش ابداعی جدید، دستیابی به همان نتیجه قابل توجه را با استفاده از حدود 80 حیوان کمتر امکان پذیر می کند.
گفتنی است این روش با وجود مزایای متعدد، اشکالاتی نیز دارد: گروه های کنترل می توانند از نظر روش های غیر منتظره با گروه های فعلی متفاوت باشند، به ویژه هنگامی که داده های قدیمی از آزمایشگاه دیگری تهیه می شوند. به گزارش سیناپرس، برای رفع و کاهش این مشکل، دانشمندان با استفاده از این ابزار می توانند منابع داده های فردی را بر اساس چگونگی شباهت آنها به داده های کنترل خود انتخاب کنند.
آزمایش کنندگان باید این موارد را پیش از شروع مطالعه ثبت کنند تا بعداً امکان بروز خطا کاهش یافته و پژوهشگران قادر باشند تا به نتیجه دلخواه برسند.
والریا بوناپرسونا، از اعضای این تیم پژوهشی در دانشگاه اوترخت هلند، در رابطه با موضوع فوق گفت: همانطور که این رویکرد ناشی از نگرانی های اخلاقی است، هدف اصلی ما منحصر به کاهش حجم و تعداد نمونه نیست. در حقیقت برای دستیابی به دقت کافی در آزمایش ها، باید اندازه نمونه ها افزایش یابد و ما امکان این کار را با اشتراک گذاری بیشتر مطالعات انجام می دهیم تا تعداد نمونه های مورد بررسی افزایش یافته و در همان حال، تعداد جانورانی که قربانی می شوند کاهش یابد.