ブロックサイズを無作為に選択したブロック無作為化 | RegTech

BY admin
|

Discussion

ブロック無作為化の主な利点は、治療グループが同じサイズになり、主要な結果関連特性によって均一に分布する傾向があることである。 一般的に、小さいブロックサイズの方が大きいブロックサイズよりも時間的にバランスの取れたグループになる。 しかし、ブロックサイズが小さいと、特に割り付けが公開されている場合や治療割り付けが覆い隠される可能性がある場合、割り付け過程が予測可能であるリスクが増加する。 例えば、ある種の免疫抑制剤は光にさらされると色が変化する。 このため、比較対照となる化合物が光に反応しない場合、臨床試験で不用意にその化合物の正体がばれてしまうことがある。 6000>

大きなブロックサイズを使うことは、治験責任医師が治療の順序を予測することから守るのに役立つ。 しかし、ある治療がブロックの最初に高い頻度で行われると、中間解析が行われる場合、あるいはブロックの途中で試験が終了する場合、ブロックの途中で不公平が生じる可能性がある。 あるいは、ブロックサイズを小さく保ち、ブロックサイズのランダムな順序を用いることで、この問題を改善することができる。 もう一つの選択肢は、ランダムなブロックサイズを大きくして、偏ったコイン法を用いて参加者を割り当てることで、ブロック内で最初の治療が実行される確率を相殺することである . 単一の治療群と参照群からなる単純な試験で、この方法は、これまでに治療群に無作為化された参加者の割り当てバランスによって、ブロック内の参加者を確率的に治療群に割り当てるものである。 たとえば、ランダム化される参加者が、すでに割り当てられた参照群（r）よりもK個多い治療（t）を有するカテゴリーにある場合、治療および参照群への割り当ては、Kが0より大きいか、等しいか、または小さいかどうかに応じて、確率t = q, (r = p), t = ½ (r = ½), およびt = p, (r = q) で、行われます（ここでp ≥ q, p + q = 1）． 後者の戦略は，ロング・ランの確率を減少させることによって，無作為化プロセスを歪めるかもしれないが，結果として生じるバイアスは，中間ブロックの不公平を防止し，治療割り当ての予測可能性をコントロールするなら，容認できるかもしれない． ある種のminimax条件下では，ランダムコインアプローチは，偶発的バイアス（たとえば，無作為化スキームが結果に関連する共変量でバランスを達成しないときに発生するバイアスの一種）を最小化するために完全無作為化よりも優れていることが示されてきた． この論文で提供されたオープンソースアルゴリズム、およびRなどのプログラミング言語で利用可能な同等のアルゴリズムの主な利点は、ランダムコイン技術や標準的な統計パッケージでまだ実装されていない他のバランス戦略に対応するために、基礎となるコードを修正することができることである＜6000＞＜4294＞すべてのブロックが同じサイズで、全体の研究サンプルサイズがブロックサイズの倍数の場合、各治療群に割り当てられる参加者の数は等しくなる。 さらに、ブロックサイズが不均等な場合、すべての治療割り付けが最終ブロック内で行われれば、バランスが保証されます。 しかし、多施設共同研究でランダムブロックサイズを使用した場合、サンプルサイズは施設によって異なるかもしれませんが、平均すると同じようなサイズになります

選択バイアスを減らすためにランダムブロックサイズを使用する利点は、割り当てが確実に決定できる場合にのみ見られます。 つまり、割付が確実にはわからないが、むしろ可能性が高いだけの場合は、ランダムなブロックサイズを使用する利点はない。 選択バイアスに対する最善の保護は、ブロックの順序とそれぞれのサイズの両方をブラインドにすることである。 さらに、無作為化ブロックサイズの使用は、非覆面試験において、参加者が試験への参加に応じて個別にではなく、ブロックとして無作為化されている場合には必要ない。 例えば、ある参加者の特性や回答が研究への参加時期によって変化する場合、ゼロでないブロック内相関が発生する可能性がある。 プロセスが均質であれば、ブロック内相関はゼロになり、分析ではブロッキングを無視できます。 しかし，ブロック内相関が存在する場合，分散推定値を適切に調整しなければならない． ブロック内の欠損データの存在も、統計解析の妥当性を複雑にする可能性がある。 例えば、欠損データが治療効果に関係する場合、あるいは他の非ランダムな方法で発生する場合、特別な分析技術が必要になる場合がある。 しかし、無作為に欠落したオブザベーションがあるデータセットは、単に影響を受けるブロックを除外することで分析できるかもしれない。 可能であれば、欠損値の存在は統計的手法の検出力を低下させるため、欠損値を最小化する手段を実施すべきである。

特に研究開始時に無作為化が可能であれば、重大な治療不均衡や偶発的バイアスは大規模盲検試験では通常発生しない。 しかし、治療割り付けがオープンでサンプルサイズが小さい場合、ランダムに選ばれたブロックサイズによるブロック無作為化手順が、治療割り付けのバランスを維持し、選択バイアスの可能性を減らすのに役立つことがある

。