Trends in the use of animals and non-animal methods over the last 20 years
Notice bibliographique
Résumé
Despite the importance of the animal testing issue, there has been little presentation in the scientific literature of the trends in animal use. This is crucial to resolve, particularly if we are to measure the impact of initiatives to reduce and replace animal experiments that were recently announced in Europe and the USA. For the first time, the number of animals used between 2002 and 2022 are presented for the EU, key animal-using countries in Europe (the UK, France and Germany), and North America (the USA and Canada). Animal testing is on a slow decrease in the EU, 11% in the last 20 years, but animal use in the UK, France and Germany is at similar levels as it was in 2002. Notably there has been a decrease in the production of genetically altered animals in the UK and a decrease in regulatory testing in the EU. Animal use in Canada has been steadily growing, and figures for the USA are still incomplete as laboratory-bred rodents and some other species are not counted. However, globally, the use of non-animal methods in biomedical research is increasing exponentially; this accelerated in the mid-2010s. The UK appears to be the leader in this field. The technological, regulatory, political and economic factors that might explain these trends are discussed. Plain language summaryAnimal testing is an important scientific and ethical issue. Many countries count the numbers of animals they use each year, but it has not been reported recently how the numbers are developing. We need this information if we are to measure the success of initiatives to reduce and replace animal tests that have been recently announced in Europe and the USA. Here, I present the number of animals used in Europe and North America in the last 20 years between 2002 and 2022. There has been little change in the use of animals over this time period. I argue that there have been few regulatory or political drivers over this period that would have influenced change. However, based on the scientific literature, the uptake of non-animal methods is rapidly increasing, which is positive news.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».