i-Vivo

i-Vivo à votre service

i-Vivo est une plateforme de services dédiés à la planification statistique des essais en expérimentation animale. Les législations européenne et nationale sur l’expérimentation animale (Directive 2010/63/UE et décret n° 2013 -118) imposent de réduire et de justifier le nombre d’animaux utilisés. La conception des protocoles doit respecter d'une part un ensemble de bonnes pratiques [1] et d'autre part l'utilisation de méthodes et outils statistiques adaptés aux objectifs de l'étude. Tous ces éléments ont été intégrés dans la plateforme i-vivo dans le but de faciliter et accélérer la planification de vos expériences.

i-Vivo vous permet de :
  • déterminer la taille d'échantillons dans les études comparatives
  • déterminer les plans d'expériences de criblage de facteurs
  • déterminer les plans d'expériences d'analyse d'effets additifs et synergiques
  • déterminer les plans d'optimisation de réponses
  • analyser les données expérimpentales
  • télécharger le rapport complet des résultats

Pourquoi utiliser i-Vivo ?

  • simplicité d'utilisation : i-vivo ne nécessite aucune compétence préalable en planification d'expériences
  • rapidité : conception du plan d'expériences en quelques minutes
  • efficacité : 4 solutions pour des plans d'expériences adaptés à vos besoins
  • assistance : accès à un expert en planification d’expériences pour vous conseiller
  • économique : excellent rapport qualité/prix

Comment utiliser i-Vivo ?

i-Vivo vous propose 4 services pour 4 objectifs différents.

1) Taille d'échantillon
Vous souhaitez comparer les réponses de 2 groupes de sujets et cherchez à savoir l'effectif de chaque groupe. i-Vivo vous propose une solution pour calculer cet effectif en fonction du niveau (S/M/L) d'écart relatif à détecter entre les réponses. Cet écart, aussi appelé taille d'effet, est représenté par la distance de Cohen correspondant à la différence entre les deux moyennes divisée par l'écart-type. L'utilisateur peut choisir entre trois réglages du plus précis au moins précis:
  • niveau S : pour détecter un petit écart (d=0.2) entre les réponses;
  • niveau M : pour détecter un écart moyen (d=0.5) entre les réponses;
  • niveau L : pour détecter un écart plus important (d=0.8) entre les réponses.
2) Criblage de facteurs
Dans le cadre d'une étude exploratoire, vous souhaitez faire le tri rapidement entre un grand nombre de facteurs potentiellement critiques. L'objectif est d'identifier en un minimum d'expériences les facteurs les plus influents. Tous les facteurs à étudier sont des variables qualitatives ou quantitatives et n'ont que deux niveaux de variation. Les réponses sont obligatoirement numériques.
3) Analyse des effets
Le nombre de facteurs d'étude est relativement restreint (généralement < 6) et vous souhaitez estimer plus précisément les effets additifs et synergiques des facteurs sur les réponses mesurées. Tous les facteurs à étudier sont des variables qualitatives ou quantitatives et peuvent avoir plus de deux niveaux de variation. Les réponses sont obligatoirement quantitatives
4) Optimisation des réponses
Le nombre de facteurs d'étude est réduit (généralement entre 2 et 4) et vous souhaitez déterminer les combinaisons de valeurs de ces facteurs conduisant à minimiser ou maximiser une ou plusieurs variables de réponse. Les facteurs et les réponses sont des variables quantitatives.





Pour plus d'information, n'hésitez pas à entrer en contact avec nous: contact@cybernano.eu
[1] M. F. Festing, “Principles: the need for better experimental design,” Trends in pharmacological sciences, vol. 24, no. 7, pp. 341–345, 2003.