O princípio da Redução não significa simplesmente usar poucos animais. Significa usar o menor número capaz de responder à pergunta científica com validade. Esta página explica o que cada campo do item 8.A pede e ajuda a chegar aos valores que serão informados no formulário da CEUA.
No Brasil, o uso de animais em ensino e pesquisa é regido pela Lei Arouca (nº 11.794/2008), que instituiu o CONCEA; justificar o número de animais é exigência dessas normas — e a aplicação direta do princípio da Redução dos 3Rs. Para a Redução, a quantidade solicitada precisa ser justificada: animais em excesso são desnecessários, mas uma amostra pequena demais também pode desperdiçar animais ao produzir um estudo incapaz de responder à pergunta.
Substituir o uso de animais quando houver método alternativo adequado ao objetivo.
Reduzir ao menor número de animais que ainda permita uma resposta científica válida. É o foco deste guia.
Refinar procedimentos para minimizar dor, sofrimento e impacto sobre o bem-estar.
Você não precisa decorar estatística. Precisa saber o que cada caixa representa e de onde vem a informação. O assistente, mais abaixo, transforma a descrição do experimento nesses campos.
A análise correspondente ao tipo de desfecho e à forma como os grupos foram organizados.
Ex.: teste t para duas amostras independentesRisco de falso positivo aceito no planejamento. Em geral é definido antes do estudo.
Valor usual: 0,05Probabilidade planejada de detectar um efeito biologicamente relevante se ele existir.
Valor usual: 0,80; às vezes 0,90Magnitude da diferença que precisa ser detectada, em relação à variabilidade esperada.
Preferir Δ biologicamente relevante + variabilidadeNúmero de unidades experimentais necessário; quando a unidade não é o animal, o total de animais deve ser indicado separadamente.
Ex.: 26 por grupo; 52 animais no totalComo o cálculo foi obtido: programa, pacote estatístico ou método formal utilizado.
Ex.: G*Power 3.1 · teste t a prioriResume a comparação principal, parâmetros, fonte dos valores, perdas previstas e resultado do cálculo.
O assistente gera um texto para copiarComece pelo que você mede e por quem fornece cada observação. A tabela mostra a família de análise mais comum para cada situação e se esta página calcula o N diretamente ou orienta o cálculo em software específico. Passe o mouse sobre o tipo de estudo — ou toque nele, no celular — para ver um exemplo prático e reconhecer onde o seu projeto se encaixa.
| Seu experimento | Tipo de teste / modelo | Como determinar N | |
|---|---|---|---|
| Exemplo: ganho de peso diário em bezerros que recebem ração convencional ou ração suplementada com prebiótico. | Teste t para duas amostras independentes | Cálculo de poder a priori | calcula aqui |
| Exemplo: frequência cardíaca e respiratória em ovinos, antes e 30 minutos após a aplicação de um sedativo. | Teste t pareado | Cálculo de poder a priori | calcula aqui |
| Exemplo: níveis séricos de interleucinas em ratos tratados com três doses de um anti-inflamatório, mais um grupo controle. | ANOVA de uma via | G*Power · efeito f | orienta software |
| Exemplo: curva glicêmica em cães diabéticos, medida em 0, 2, 4, 6 e 12 horas após a refeição. | Modelo linear misto / ANOVA de medidas repetidas | G*Power em desenhos simples ou simulação do modelo | orienta software |
| Exemplo: resposta imune de leitões avaliando dieta (padrão ou hiperproteica) × sexo. Como a ração é fornecida por baia, a baia é a unidade experimental do cálculo; o número declarado no item 8.A continua sendo o de animais — por exemplo, 10 baias por grupo × 4 leitões = 40 animais. O assistente faz essa conversão no passo 2. | ANOVA fatorial / modelo linear | G*Power ou simulação, conforme efeito primário | orienta software |
| Exemplo: determinação da dose efetiva (ED50) de um anestésico local em coelhos, testando cinco concentrações crescentes. | Regressão / modelo dose–resposta | Simulação coerente com o modelo (ex.: pacote drc no R) | orienta software |
| Exemplo: taxa de concepção à IATF em vacas submetidas a dois protocolos hormonais distintos. | Comparação de duas proporções | Aproximação normal para duas proporções | calcula aqui |
| Exemplo: cura clínica de pododermatite comparando, no mesmo animal, o membro tratado com pomada e o membro contralateral com placebo. | McNemar / modelo binomial misto | Software específico / simulação | orienta software |
| Exemplo: número de ovos por grama de fezes (OPG) em novilhas após diferentes tratamentos anti-helmínticos. | Poisson / binomial negativa | Simulação do modelo planejado | orienta software |
| Exemplo: severidade do corrimento vaginal puerperal graduada de 0 a 3 (Metricheck) em vacas leiteiras. | Regressão ordinal | Simulação / software específico | orienta software |
| Exemplo: tempo, em dias, até a involução uterina completa no pós-parto de fêmeas bovinas. | Log-rank / regressão de Cox | Cálculo guiado pelo número de eventos | orienta software |
| Exemplo: triagem exploratória de quatro extratos fitoterápicos sobre parâmetros hematológicos em ratos, sem estimativas prévias na literatura. | ANOVA · estudo exploratório | Equação de recursos, quando aplicável | calcula aqui |
| Exemplo: padronização da técnica de inserção de espéculo e avaliação da aceitação do manejo em 4 matrizes, antes do estudo principal. | Estatística descritiva — sem teste de hipótese formal | N justificado pelo objetivo operacional do piloto | orienta aqui |
| Exemplo: estimativa da prevalência de endometrite clínica em rebanhos leiteiros de uma região. Atenção: como os animais estão agrupados por rebanho, a fórmula simples de proporção subestima o N — a amostragem precisa considerar o efeito de conglomerado. O mesmo vale para agrupamento por baia, gaiola ou tanque. | Estimativa de proporção com intervalo de confiança | Amostragem para a precisão desejada; considerar conglomerados | fora do assistente |
Quando você não souber um parâmetro, não escolha um valor arbitrário. Procure uma estimativa que seja biologicamente e experimentalmente comparável ao seu estudo. A sequência abaixo é um bom ponto de partida.
Procure estudos com a mesma variável, espécie ou modelo animal e condições experimentais semelhantes. É o primeiro caminho quando você ainda não tem dados próprios.
Experimentos prévios com o mesmo modelo, protocolo ou instalação podem fornecer estimativas muito úteis de variabilidade, proporções e perdas.
Um piloto bem conduzido pode informar a variabilidade esperada e mostrar se a magnitude de efeito considerada é plausível no seu modelo.
Use a relevância fisiológica, clínica ou biológica da variável para decidir qual mudança realmente faria diferença para a conclusão do estudo.
É a menor diferença entre os grupos que o experimento precisa ser capaz de detectar para que o resultado tenha importância biológica.
A diferença observada em um piloto pode ajudar, mas não precisa ser adotada automaticamente como Δ. O valor deve representar a diferença que você deseja ter capacidade de detectar.
O desvio-padrão informa quanto os valores variam entre as unidades experimentais e influencia diretamente o N necessário.
Para um desfecho do tipo sim/não, você precisa estimar a frequência esperada do evento no controle e no tratamento.
Quando o mesmo animal é avaliado várias vezes, o cálculo pode depender de quanto as medidas do próprio animal se parecem ao longo do tempo.
Acrescente animais apenas quando houver uma taxa de perda plausível e justificável.
Primeiro, amplie a busca por trabalhos com a mesma variável e modelos biologicamente comparáveis. Se ainda assim não houver estimativa adequada, a solução depende da finalidade do estudo.
Descreva o experimento em linguagem comum. Quando o caso é simples e bem definido, o N é calculado aqui. Quando o desenho exige software específico, a página indica exatamente o teste, o programa e os parâmetros necessários — e permite registrar o resultado obtido para completar o 8.A.