Randomização Bloqueada com Tamanhos de Bloco Selecionados Aleatoriamente | RegTech
Discussão
Uma vantagem chave da randomização bloqueada é que os grupos de tratamento serão de tamanho igual e tenderão a ser distribuídos uniformemente por características chave relacionadas com os resultados. Tipicamente, tamanhos de blocos menores levarão a grupos mais equilibrados pelo tempo do que tamanhos de blocos maiores. Entretanto, um tamanho de bloco pequeno aumenta o risco de que o processo de alocação possa ser previsível, especialmente se a alocação estiver aberta ou se houver uma chance de desmascarar a alocação do tratamento. Por exemplo, certos agentes imunossupressores mudam de cor quando expostos à luz. Isto pode inadvertidamente expor a identidade do composto em um ensaio clínico se o composto de comparação não for sensível à luz. O desmascaramento também pode ser intencional no caso de um médico analisar quimicamente o sangue de um paciente para determinar a identidade do medicamento aleatorizado.
Usar um bloco grande ajudará a proteger contra o investigador prever a sequência do tratamento. Entretanto, se um tratamento ocorre com maior freqüência no início de um bloco, pode ocorrer uma desigualdade no meio do bloco se houver uma análise intermediária ou se o estudo for encerrado a meio de um bloco. Alternativamente, manter os tamanhos dos blocos pequenos e usar sequências aleatórias de tamanhos de blocos pode amenizar este problema. Outra opção é utilizar blocos de maiores tamanhos aleatórios, mas compensar a possibilidade de tratamento inicial dentro de um bloco, alocando os participantes usando uma abordagem de moeda tendenciosa. Em um estudo simples que consiste em um único tratamento e grupo de referência, este método atribui probabilisticamente participantes dentro de um bloco ao braço de tratamento, dependendo do balanço de atribuição de participantes até agora randomizados para o braço de tratamento. Por exemplo, se um participante a ser randomizado está em uma categoria que tem K mais tratamentos (t) do que referências (r) já atribuídas, então a atribuição ao tratamento e grupo de referência será feita com probabilidade t = q, (r = p), t = ½ (r = ½), e t = p, (r = q) dependendo se K é maior, igual ou menor que zero (onde p ≥ q, p + q = 1). Embora esta última estratégia possa distorcer o processo de aleatorização, diminuindo a probabilidade de longas tiragens, o viés resultante pode ser aceitável se prevenir a desigualdade a meio de um bloco e controlar a previsibilidade da atribuição de tratamento. Sob certas condições minimaxistas, a abordagem da randomização de moedas mostrou-se superior à randomização completa para minimizar o viés acidental (por exemplo, um tipo de viés que ocorre quando o esquema de randomização não alcança o equilíbrio nos covariáveis relacionados aos resultados). Uma vantagem chave do algoritmo de código aberto fornecido neste trabalho, e algoritmos comparáveis disponíveis em linguagens de programação como R , é que o código subjacente pode ser modificado para acomodar a técnica de moedas aleatórias e outras estratégias de balanceamento ainda a serem implementadas em pacotes estatísticos padrão.
O número de participantes atribuídos a cada grupo de tratamento será igual quando todos os blocos tiverem o mesmo tamanho e o tamanho geral da amostra do estudo for múltiplo do tamanho do bloco. Além disso, no caso de blocos de tamanhos desiguais, o equilíbrio é garantido se todas as designações de tratamento forem feitas dentro do bloco final. No entanto, quando tamanhos de blocos aleatórios são usados em um estudo de múltiplos locais, o tamanho da amostra pode variar de acordo com o local, mas em média será semelhante.
A vantagem de usar tamanhos de blocos aleatórios para reduzir o viés de seleção só é observada quando as atribuições podem ser determinadas com certeza . Ou seja, quando a atribuição não é conhecida com certeza, mas é apenas mais provável, então não há vantagem em usar tamanhos de blocos aleatórios. A melhor proteção contra viés de seleção é cegar tanto a ordenação dos blocos quanto seu respectivo tamanho. Além disso, o uso de tamanhos de blocos aleatórios não é necessário em um estudo não-marcado se os participantes tiverem sido randomizados como um bloco e não individualmente de acordo com sua entrada no estudo, pois o primeiro eliminará completamente o viés de seleção.
A necessidade de levar em conta o bloqueio na análise estatística dos dados, inclusive quando os tamanhos dos blocos são escolhidos aleatoriamente, depende da existência de uma correlação intrabloco. Uma correlação intrabloco não-zero pode ocorrer, por exemplo, quando as características e respostas de um participante mudam de acordo com seu tempo de entrada no estudo. Se o processo for homogêneo, a correlação intrabloco será igual a zero e o bloqueio pode ser ignorado na análise. Entretanto, as estimativas de variância devem ser ajustadas adequadamente quando a correlação intrabloco estiver presente. A presença de dados ausentes dentro dos blocos também pode potencialmente complicar a validade da análise estatística. Por exemplo, técnicas analíticas especiais podem ser necessárias quando os dados em falta estão relacionados a efeitos de tratamento ou ocorrem de alguma outra forma não aleatória . No entanto, conjuntos de dados com observações não aleatórias podem ser analisados pela simples exclusão dos blocos afetados. Quando possível, devem ser implementadas medidas para minimizar os valores em falta, pois sua presença reduzirá o poder dos procedimentos estatísticos.
Desequilíbrios significativos de tratamento e viés acidental normalmente não ocorrem em grandes ensaios cegos, especialmente se a randomização puder ser realizada no início do estudo. Entretanto, quando a atribuição do tratamento é aberta e o tamanho da amostra é pequeno que um procedimento de randomização em bloco com tamanhos de bloco escolhidos aleatoriamente pode ajudar a manter o equilíbrio da atribuição do tratamento e reduzir o potencial de viés de seleção.