首页 | 新闻 | 新品 | 文库 | 方案 | 视频 | 下载 | 商城 | 开发板 | 数据中心 | 座谈新版 | 培训 | 工具 | 博客 | 论坛 | 百科 | GEC | 活动 | 主题月 | 电子展
返回列表 回复 发帖

临床试验中的常用随机化方法 (

临床试验中的常用随机化方法 (

对于只有两个治疗组(试验组A  vs.对照组B)的随机对照平行临床试验,常用的随机化方法分成两大类:1)关注两组间受试者人数均衡的随机化方法;2)关注两组间重要协变量均衡的随机化方法。重要协变量指的是与结果变量(主要评价指标)具有较强相关关系的预后因子,如年龄、疾病严重程度等。

0)最初也是最简单的随机化方法 Simple Randomization
   上抛一枚具有正反面的质地均匀的硬币,如最终落地正面朝上,则该受试者入A组,反之入B组,重复此过程,直至收集到预先规定的受试者数。
   此法原理在于出现正面或反面的概率为1/2=0.5,即受试者分配至A组或B组的概率始终为0.5。
   实际应用中当然不会真的采用抛硬币的办法来分组。条件差一点的可以利用随机数字表或计算器(展开说明略去),条件好一点的可以利用计算机产生一系列服从于0-1之间均匀分布的数字(如240个),规定如果数字小于等于0.5则分配至A组,剩下的分配至B组。
   该法虽然简单易行,但无法保证两组间受试者人数的均衡,特别是对于小样本的临床试验。而我们知道,比较两组间的人数的不均衡将导致统计效率的降低(真的差异被检出的可能性降低)。于是统计学家们提出了几种旨在确保组间人数均衡的方法。

关注两组间受试者人数均衡的随机化方法Methods to keep balance in the numberof subjects between 2treatments
1)Permuted-Block Randomization(中文翻译成置换区组法?)
   此法的由来不详,其基本思想如下:
  • 成组分配受试者;
  • 受试者人数形成区组大小,对于两组比较试验,一般区组大小取4或6;
  • 如区组大小为4,则规定分配至各组的人数均为2个;
  • 按排列组合,这样的区组共有6种,即:AABB ABAB BAAB BABA BBAAABBA;
  • 随机抽取6个中的一个,如BAAB,则前4个受试者(编号1、2、3、4)的入组情况为1->B,2->A,3->A,4->B;
  • 重复此过程直至收集到预先规定的受试者数。
   此法的缺点是:在开放试验中分组方案可以被预见,比如第三个受试者看到前两个受试者均分配至A组,则知道自己将入B组。为减少这种预见性,可采用可变区组大小的方法(区组大小4、6混在),但这可能使得实际操作变得复杂。
   如采用大小为4的区组,则两组间人数的最大差异为2,如采用大小为6的区组,则最大差异为3。

2)Biased Coin Design (BCD) (中文翻译成偏倚硬币法?)
   此法由Efron提出(1971,Biometrika),其基本思想如下:
  • 第一个受试者仍按照概率0.5进行随机分组;
  • 如第一个受试者入A组,则第二个受试者入A的概率变为1/3,入B组的概率变为2/3;
  • 以此类推,只要两组间存在人数上的不均衡,则下一个受试者入人数多的那组的概率只有1/3,入人数少的那组的概率有2/3。如果人数相同,则入组概率返回至0.5。重复这一过程直至收集到预先规定的受试者数。
   不均衡时的分组概率1/3或2/3是Efron建议的。由于这一概率为一固定概率,没有考虑随着不均衡的程度大小而变化,于是又有人提出了另外一种改进方法。

3)Urn Randomization (中文翻译成罐子法?)
   此法由Wei&Lachin提出(1988,Controlled ClinicalTrials),其基本思想如下:
  • 承2)法,不均衡时的分组概率是变化的;
  • 最初,罐子中有相同数量(记为n)的红球和白球(概率=0.5);
  • 放回式随机从罐中抽出球一只,如为红色,则受试者入A组,否则入B组;
  • 往罐中加入与前一步抽中球颜色相反的球m只(n和m都是事先规定的);
  • 重复这一过程直至收集到预先规定数量的受试者。
   此法一般可以简记为U(n,m)。
继承事业,薪火相传
很好的算法,记下了
返回列表