Soutenir la reproductibilité

Par Iva Fedorka

L’analyse et les données sont le fondement du processus scientifique. Lorsque des théories sont développées et des expériences sont menées, plus les scientifiques acceptent les nouvelles informations découvertes, plus elles seront vérifiées. Le consensus et l’adoption de nouveaux concepts et paradigmes se produisent lorsque les résultats expérimentaux peuvent être reproduits et, par conséquent, validés. Pour cela, les résultats des tests doivent être précis et reproductibles.

La définition de la reproductibilité

L’Académie nationale des sciences (NSA) définit la reproductibilité comme la capacité à produire des résultats systématiques lors de l’utilisation de données d’entrée, calculs, méthodes, codes et autres procédés d’analyse identiques Puisque des éléments aléatoires peuvent impacter les résultats, les conclusions ne doivent pas forcément être identiques pour être reproductibles. La reproductibilité est également différente de la reproduction, définie comme la simple répétition des étapes d’une expérience ou d’un procédé.

En science, les méthodes statistiques sont utilisées pour contribuer à répondre aux questions ou effectuer des déductions appropriées à propos de la reproductibilité à partir des données. Les expériences d’aujourd’hui sont de plus en plus complexes analytiquement, ce qui renforce l’importance de l’analyse statistique. Les controverses à propos de l’interprétation peuvent menacer la valeur de certaines données, il est donc important de comprendre comment les déductions peuvent être effectuées.

Les obstacles à la reproductibilité

Il est bien connu que des résultats spécifiques publiés ne peuvent pas toujours être reproduits par d’autres scientifiques, mais les raisons particulières de tels échecs et les manières de les corriger sont inconnues. En plus d’autres problèmes, les plaintes habituelles concernent la disponibilité des données et des modèles, la pression relative à la publication, et les normes du secteur.

Certains obstacles, comme le manque d’accès aux ressources ou le stockage insuffisant de données, peuvent être importants, mais simples. D’autres peuvent être plus nuancés, comme la pression professionnelle relative à la publication de la recherche concernant des sujets spécifiques ou le manque de public approprié. Une mauvaise compréhension des sujets scientifiques multiples et hétérogènes peut également affecter les résultats de manière négative et inattendue.

Qualité et reproductibilité

Des résultats différents ou incertains peuvent être provoqués par une technique ou des matériaux de mauvaise qualité. Un exemple de la manière dont les problèmes de qualité peuvent affecter les résultats peut être identifié dans l’évaluation d’agents stimulant l’érythropoïèse utilisés pour traiter l’anémie chez les patients atteints de cancer. Certains pensent que ces traitements peuvent également stimuler les récepteurs de l’érythropoïétine (EPO) sur les cellules tumorales (l’hypothèse d’un cancer récepteur à l’EPO). De nombreux articles ont été publiés sur ce sujet, mais leurs données et conclusions s’opposent.

Une recherche¹ a permis d’identifier 280 articles liés au sujet. Ceux‑ci ont été analysés pour identifier une relation potentielle entre la qualité et la reproductibilité. De nombreux conflits existaient entre les articles et au sein même des articles, provoqués par des problèmes de qualité, y compris :

• Des paramètres de qualité défectueux, comme un manque de contrôles appropriés (90 %)
• Un réactif ou une validation de méthode inappropriés (87 %)
• Un choix de méthodes statistiques inappropriées (84 %)
• De faux résultats positifs/négatifs (81 %)

Produire des résultats reproductibles

Les responsables de laboratoire peuvent établir des pratiques et des procédures pour soutenir la production de résultats techniques reproductibles et de haute qualité de nombreuses façons.

Établissez de fortes attentes

Établissez clairement les niveaux de compétence et de conformité requis pour tout le personnel de laboratoire, y compris les investigateurs principaux.

Validez les méthodes²

Évaluez toutes les méthodes de test pour déterminer la précision, la fiabilité, la reproduction et la répétitivité des étapes spécifiques et la viabilité de la méthode au cours du temps. De plus, déterminez les limites de spécificité, de détection et de quantification, ainsi que la linéarité et la portée du test.

Comprenez l’incertitude de mesure³

Déterminez si les différences observées dans les expériences sont « importantes. » Est-ce que la variation représente des différences réelles?

Établissez des formations

Proposez des formations pratiques pour tous les employés, quels que soient le contexte éducatif ou l’expérience professionnelle antérieurs. La formation peut contribuer à l’amélioration de la flexibilité, de l’innovation et de l’agilité et est une partie essentielle des audits de laboratoire.

Documentez de manière efficace

La plupart des laboratoires utilisent les procédures d’exploitation normalisées comme guides pratiques pour tous les procédés techniques et opérationnels de laboratoire. Incluez des explications supplémentaires pour aider le personnel à comprendre les raisons pour lesquelles il est essentiel de conserver les aspects importants de l’opération, ce qui peut aider à maintenir la conformité.

Suivez des bonnes pratiques de laboratoire

La propreté du laboratoire, l’étalonnage du matériel, les contrôles environnementaux, et les observations et résultats documentés sont de bonnes pratiques de laboratoire habituelles. Des pratiques spécifiques supplémentaires, comme des expériences en triplicatas ou des plages d’écart type spécifiques, peuvent être nécessaires, selon les demandes de la science.

Partagez les résultats

Les tests comparatifs interlaboratoires sont une manière habituelle de comparer les résultats lorsque des méthodes identiques sont utilisées avec des échantillons identiques dans différents laboratoires. Ces résultats peuvent fournir des données à propos de la reproductibilité et donner des informations au laboratoire à propos de sa capacité à reproduire les résultats.

Les résultats reproductibles sont essentiels à la bonne science. Ils contribuent à la vérification de nouvelles découvertes, démontrent les compétences, et communiquent clairement les conclusions techniques aux autres scientifiques. En créant des données reproductibles, d’autres scientifiques peuvent s’appuyer sur les résultats et faire avancer la découverte scientifique.

Types de référence :

¹ Elliott, S. (2020) Impact of Inadequate Methods and Data Analysis on Reproductibility Journal of Pharmaceutical Sciences, 109(2), 1211-1219 Consulté sur https://www.sciencedirect.com/science/article/abs/pii/S0022354919304381
² (European Medicines Agency, 1995) ICH Topic Q 2 (R1) Validation of Analytical Procedures: Text and Methodology. Consulté sur https://www.ema.europa.eu/en/documents/scientific-guideline/ich-q-2-r1-validation-analytical-procedures-text-methodology-step-5_en.pdf
³ (NIST, 19 novembre 2015) Measurement Uncertainty. Consulté sur https://www.nist.gov/itl/sed/topic-areas/measurement-uncertainty

Iva Fedorka est une rédactrice de Fisher Scientific.