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)。 |
