EDA , 3R ilkesi doğrultusunda canlı hayvan deneylerinin tasarlanmasında araştırmanın bilimsel hedefleri ile tutarlı en az sayıda hayvan denekle, keyfi sapmayı azaltma yöntemlerinin, ve uygun istatistiksel çözümlemenin kullanımını sağlamaya yardımcı ağ üzerinde çalışan serbest erişimli bir araçtır.
EDA, in vivo hayvan deneyi araştırmacılarına deney tasarımında yardımcı olmak üzere, araştırmacıların, istatistikçilerin, ve uzman sistem yazılımcıların işbirliği ile geliştirilmiştir.
NC3Rs tarafından 2009 da yayınlanan, ABD ve İngiltere’de resmi destek alan hayvan araştırmalarına ilişkin mesleki incelemeden geçmiş yayınların niteliğini değerlendiren bir tarama çalışması , deneysel tasarım, istatistiksel çözümleme, ve çalışmaların raporlaştırılmasındaki yetersizlik nedenleri ile kaynak kaybı olarak nitelendirilecek araştırmaların %40 gibi yüksek bir oranda olduğunu saptamış ve bu üç alanı iyileştirilmesi gereken üç ana başlık olarakbelirlemiştir.
Bu taramaya NC3Rs, hayvan deneylerinde raporlama için ARRIVE (Animal Research Reporting for in vivo Experiments ) kurallarını 2010 da yayınlayarak yanıt verdi ve bu kurallar bir çok dergi, araştırmalara maddi destek veren kuruluş, üniversiteler, ve meslek örgütleri tarafından yürürlüğe kondu.
Hayvan deneylerinin niteliğini arttırmaya daha fazla destek vermek amacıyla bu çalışmaya dayanarak, yine NC3Rs öncülüğünde, Prof. Clare Stanford (Başkan-University College London),Dr. Simon Bate (GlaxoSmithKline), Dr. Manuel Berdoy(University of Oxford),Dr. Robin Clark(Envigo),Prof. Innes Cuthill(University of Bristol),Dr. Derek Fry(University of Manchester),Dr. Natasha Karp(AstraZeneca),Prof. Malcolm Macleod(University of Edinburgh),Dr. Lawrence Moon(King’s College London), veDr. Richard Preziosi(University of Manchester)’dan oluşan bir çalışma grubu ve yaşam bilimleri için yenilikçi yazılım alanında uzman bir şirket olan Certus Technology işbirliği ile EDA geliştirildi ve 2015 de kullanıma sunuldu.
İyi deneysel tasarım hayvan denek kullanımını iki yolla en aza indirir:
• Değişgenlerin etkisini göz önünde bulundurarak ve sapmanın kaynaklarının neler olduğunu bilerek, yeterli biçimde tasarlanmış deneyler, her hayvandan elde edilen verilerin tam potansiyelle kullanılmasını güvence altına alarak, sağlam ve yeniden üretilebilir veriler elde eder.
• İstatistiğin etkin kullanımı gerekli hayvan sayısını azaltır ve her deneyden en fazla bilgiyi elde eder. Daha karmaşık tasarımlar, örneğin, deneysel sonuçları etkileyen etkenleri belirlemede, kullandığı model hakkında daha fazla bilgi sağlayarak araştırmacıya yardım edebilir.
Deneysel tasarımların iyileştirilmesine katkıda bulunan EDA, bu yolla 3R ilkelerinin uygulanmasındaki iyileşmeye de katkı sağlamış olur.
EDA’nın asıl kullanıcısı, hayvanlar üzerinde in vivo deney yapan araştırmacıdır. İkincil kullanıcıları ise, araştırmacının destek alacağı istatistikçiler ve in vivo araştırmaların yapılmasına, maddi olarak desteklenmesine ve yayınlanmasına izin verecek etik kurul üyeleri ve dergi editörleri gibi uzman denetçilerdir.
EDA, araştırmacıya,
• deneyin görsel gösterimi olan bir diagram adım adım oluşturulmasında,
• oluşum aşamalarının her birinde diagramdaki eksiklikler geri bildirim ve öneriler doğrultusunda giderilerek tasarıma giderek daha fazla yetkinlik kazandırılmasında,
• rassallaştırma, körleştirme, ve örnek çapı hesaplamada,
• deneysel tasarım bilgisini geliştirmek için hazır temel bilgilere erişmesinde,
• deneysel planda gelişmiş saydamlık için etkin iletişim olanağı sağlamada
yardımcı olur, ve genel olarak
• yayınlanmış araştırma sonuçlarının güvenirliğinde ilermeye,
• deneysel tasarım anlayışında daha iyi bir düzeye ulaşmaya, karşılaşılan sorunların farkındalığı arttırmaya,
• açık betimlemeler içeren saydam ve önceden-kayıt edilmiş çalışmalarla deneysel planların incelenmesi ve değerlendirmesinde kolaylık sağlamaya,
• deneysel planlara daha dikkatli yaklaşılmasına
katkı sağlar.
Bilimsel araştırmanın tasarımı, verilerin çözümlenmesi ve raporlanması ile ilgili sorunlara ek olarak, yaygın olarak karşılaşılan ve yayınlanan sonuçların güvenilirliğini daha da tehlikeye atan 2 uygulama vardır: aynı veriler üzerinde birden fazla istatistiksel sınama yürütmek ve en düşük p değeri olanı sahip seçmek ve farklı sonuçları ya da aynı sonucu farklı şekillerde ölçmek ve yalnızca istatistiksel öneme sahip olanları rapor etmek. Bupost-hoc bir çıktı ve çözümleme planı seçilmişanlamına gelir ve ancak araştırma için açık bir protokol ve verilerin derlenmesinden önce bir çözümleme planı oluşturularak önlenebilir. EDA bu amaçla için de ideal bir uygulamadır. EDA şemaları ve içerdikleri görsel olmayan bilgiler (örneğin, önceden belirlenmiş birincil çıktı ölçüsü, seçilen rassallaştırma yöntemi), deney yapılmadan önce, Open Science Framework veya Figshare gibi daha genel platformlarda kaydedilebilir.