Bloková randomizace s náhodně zvolenou velikostí bloku | RegTech

Diskuse

Klíčovou výhodou blokové randomizace je, že léčebné skupiny budou stejně velké a budou mít tendenci být rovnoměrně rozděleny podle klíčových charakteristik souvisejících s výsledky. Obvykle menší velikosti bloků povedou k časově vyrovnanějším skupinám než větší velikosti bloků. Malá velikost bloku však zvyšuje riziko, že proces přidělování může být předvídatelný, zejména pokud je přidělení otevřené nebo existuje možnost odmaskování přidělení léčby. Například některá imunosupresiva mění barvu, když jsou vystavena světlu. To může neúmyslně odhalit identitu sloučeniny v klinickém hodnocení, pokud srovnávací sloučenina není citlivá na světlo. K demaskování může dojít také záměrně v případě, že lékař chemicky analyzuje krev pacienta, aby zjistil identitu randomizovaného léku.

Použití velké velikosti bloku pomůže chránit před tím, aby zkoušející předvídal pořadí léčby. Pokud se však jedna léčba vyskytuje s větší frekvencí na začátku bloku, může dojít k nerovnosti v polovině bloku, pokud je prováděna průběžná analýza nebo je studie ukončena v polovině bloku. Alternativně může tento problém zmírnit zachování malých velikostí bloků a použití náhodných sekvencí velikostí bloků. Další možností je použití větších náhodných velikostí bloků, ale kompenzace šance na počáteční průběh léčby v rámci bloku pomocí přidělování účastníků metodou zkreslené mince . V jednoduché studii sestávající z jedné léčebné a referenční skupiny tato metoda pravděpodobnostně přiřazuje účastníky v rámci bloku do léčebné větve v závislosti na bilanci přiřazení účastníků dosud randomizovaných do léčebné větve. Například pokud je účastník, který má být randomizován, v kategorii, která má K více léčebných postupů (t) než již přiřazených referentů (r), pak se přiřazení do léčebné a referentské skupiny provede s pravděpodobností t = q, (r = p), t = ½ (r = ½) a t = p, (r = q) v závislosti na tom, zda je K větší než, rovno nebo menší než nula (kde p ≥ q, p + q = 1). Ačkoli posledně uvedená strategie může narušit proces randomizace snížením pravděpodobnosti dlouhých běhů, výsledné zkreslení může být přijatelné, pokud zabraňuje nerovnosti uprostřed bloku a kontroluje předvídatelnost přidělení léčby. Za určitých podmínek minimaxu se ukázalo, že přístup založený na náhodné minci je lepší než úplná randomizace pro minimalizaci náhodného zkreslení (např. typ zkreslení, ke kterému dochází, když schéma randomizace nedosáhne rovnováhy kovariát souvisejících s výsledkem) . Klíčovou výhodou algoritmu s otevřeným zdrojovým kódem uvedeného v tomto článku a srovnatelných algoritmů dostupných v programovacích jazycích, jako je R , je to, že základní kód lze upravit tak, aby vyhovoval technice náhodné mince a dalším strategiím vyvažování, které ještě nebyly implementovány do standardních statistických balíků.

Počet účastníků přiřazených do každé léčebné skupiny bude stejný, pokud jsou všechny bloky stejně velké a celková velikost vzorku studie je násobkem velikosti bloku. Navíc v případě nestejné velikosti bloků je rovnováha zaručena, pokud jsou všechna přiřazení léčby provedena v rámci posledního bloku . Při použití náhodných velikostí bloků ve studii na více místech se však velikost vzorku může lišit podle místa, ale v průměru bude podobná.

Výhoda použití náhodných velikostí bloků pro snížení výběrového zkreslení se projeví pouze tehdy, když lze s jistotou určit přiřazení . To znamená, že pokud není přiřazení známo s jistotou, ale je spíše jen pravděpodobnější, pak není použití náhodných velikostí bloků výhodné. Nejlepší ochranou proti výběrovému zkreslení je zaslepení jak pořadí bloků, tak jejich příslušné velikosti. Kromě toho není použití náhodných velikostí bloků v nezaslepené studii nutné, pokud byli účastníci randomizováni jako blok, a nikoliv individuálně podle svého vstupu do studie, protože v prvním případě se výběrové zkreslení zcela vyloučí.

Nutnost zohlednit blokování při statistické analýze údajů, včetně případů, kdy jsou velikosti bloků zvoleny náhodně, závisí na tom, zda existuje vnitrobloková korelace . Nenulová vnitrobloková korelace může nastat například tehdy, když se charakteristiky a odpovědi účastníka mění v závislosti na době jeho vstupu do studie. Pokud je proces homogenní, bude vnitrobloková korelace rovna nule a blokování může být v analýze ignorováno. Odhady rozptylu však musí být vhodně upraveny, pokud je přítomna vnitrobloková korelace . Přítomnost chybějících údajů v rámci bloků může rovněž potenciálně komplikovat platnost statistické analýzy. Například může být zapotřebí speciálních analytických technik, pokud chybějící údaje souvisejí s účinky léčby nebo se vyskytují jiným než náhodným způsobem . Soubory dat s náhodně chybějícími pozorováními však lze analyzovat prostým vyloučením dotčených bloků. Pokud je to možné, měla by být zavedena opatření k minimalizaci chybějících hodnot, protože jejich přítomnost sníží sílu statistických postupů.

Významná nerovnováha léčby a náhodné zkreslení se obvykle nevyskytují ve velkých zaslepených studiích, zejména pokud lze randomizaci provést na začátku studie. Pokud je však přiřazení léčby otevřené a velikost vzorku je malá, než postup blokové randomizace s náhodně zvolenou velikostí bloku může pomoci udržet rovnováhu přiřazení léčby a snížit možnost výběrového zkreslení.

.