Saltar al contenido
Volver a los resultados

Ensayo Controlado Aleatorizado por Bloques

Propuesto por
R. A. Fisher (blocking principle); systematic RCT application by Bradford Hill and later Pocock, Friedman et al.
Año
1920s (Fisher's blocking principle); applied to RCTs from the 1940s onward
Tipo
Experimental design
Familia
Experimental design

Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés

Tamaño de letra

¿Qué hace?

Un ensayo controlado aleatorizado por bloques (RCT por bloques) utiliza la aleatorización por bloques permutados para garantizar que los grupos de tratamiento mantengan un tamaño equilibrado — y opcionalmente en características clave — durante todo el reclutamiento.

Dentro de cada bloque de tamaño fijo o variable aleatoriamente, todas las asignaciones de tratamiento están presentes en igual número, por lo que el desequilibrio no puede acumularse incluso si el ensayo se detiene prematuramente. Esto convierte a los RCT por bloques en el enfoque de aleatorización estándar en la investigación de intervenciones clínicas y conductuales.

La intuición detrás del método

Imagine que inscribe a 100 pacientes uno por uno. La aleatorización pura podría, por azar, asignar a los primeros 20 pacientes mayoritariamente a un brazo, distorsionando las miradas provisionales y las comparaciones finales. El bloqueo lo evita: el investigador preespecifica bloques pequeños, digamos de cuatro ranuras (dos por brazo), de modo que cada cuatro inscripciones consecutivas se restablece el equilibrio. Los tamaños de los grupos de tratamiento se mantienen cercanos a la igualdad durante todo el ensayo. Si los bloques también corresponden a centros o estratos, el equilibrio se mantiene también en esos subgrupos, protegiendo el estudio contra la confusión que puede introducir la inscripción desigual.

Historia

El principio del bloqueo se originó en los experimentos de campo agrícola de R. A. Fisher en la década de 1920, donde las parcelas se agruparon en bloques para controlar la variabilidad del suelo. Bradford Hill aplicó la aleatorización a los ensayos clínicos en el histórico ensayo de estreptomicina para la tuberculosis de 1948. La aleatorización por bloques permutados para RCT fue descrita sistemáticamente y defendida por Stuart Pocock en su libro de texto de 1983 y por Friedman, Furberg y DeMets en sucesivas ediciones de Fundamentals of Clinical Trials. Ahora es el estándar de facto en la mayoría de los ensayos clínicos de fase II y fase III.

Cuándo usarlo

Utilice un RCT por bloques cuando necesite comparar dos o más intervenciones en condiciones controladas y desee garantizar tamaños de grupo casi iguales durante todo el reclutamiento — esencial cuando se planifican análisis provisionales o detenciones tempranas. El bloqueo es particularmente valioso en ensayos multicéntricos, donde las secuencias de bloques separadas por centro evitan la confusión a nivel de centro. No utilice un RCT por bloques simple (no estratificado) cuando los covariables pronósticos importantes varíen drásticamente entre los centros de reclutamiento o el tiempo; en ese caso, es preferible el bloqueo estratificado o la minimización. Evite la aleatorización por bloques en ensayos muy pequeños (n < 20) si los bloques son fijos y se conoce el tamaño del bloque, ya que la asignación de última hora se vuelve predecible incluso con medidas de ocultación.

Limitaciones y consideraciones

  • Los tamaños de bloque fijos pueden permitir la predicción de la asignación cerca del final de cada bloque si la aleatorización no está completamente oculta, introduciendo sesgo de selección.
  • No elimina completamente el desequilibrio de covariables — solo impone equilibrio en las variables de estratificación explícitamente incorporadas en el diseño.
  • La estratificación en demasiadas variables simultáneamente crea un número inmanejable de estratos pequeños, lo que anula el propósito del bloqueo.
  • El análisis debe tener en cuenta la estructura de bloques; ignorar las variables de estratificación en el modelo puede reducir la eficiencia estadística.

Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.

Fortalezas

  • Garantiza un equilibrio aproximado en los tamaños de los grupos en cualquier momento durante el reclutamiento, protegiendo los análisis provisionales.
  • Reduce el desequilibrio por azar en covariables de referencia medidas y no medidas en comparación con la aleatorización simple.
  • Compatible con la estratificación, lo que permite un equilibrio simultáneo en múltiples factores pronósticos clave.
  • Estándar regulatorio ampliamente aceptado; bien entendido por estadísticos, revisores y comités de ética.
  • La variación aleatoria del tamaño del bloque evita eficazmente la predicción de la asignación incluso cuando el tamaño del bloque se conoce aproximadamente.

Aplicaciones

  • Ensayos farmacéuticos de fase II y III que requieren aleatorización de grado regulatorio con análisis provisionales.
  • Estudios de intervención educativa o conductual multicéntricos donde el centro es una fuente conocida de variabilidad.
  • Ensayos de cirugía o procedimientos donde el volumen de pacientes y la mezcla de casos difieren sustancialmente entre centros.
  • Ensayos de RCT de rehabilitación y fisioterapia donde los efectos del terapeuta o la clínica deben equilibrarse entre los brazos.
  • Ensayos de eficacia de vacunas estratificados por grupo de edad o estado serológico al momento de la inscripción.

Cómo funciona

Cómo funciona

1

El investigador elige un tamaño de bloque (comúnmente 4, 6 o una secuencia de tamaños que varían aleatoriamente para evitar la predicción de la asignación). Si se planea la estratificación, los bloques se definen por separado dentro de cada estrato — por ejemplo, por separado por centro, sexo o gravedad basal — de modo que el equilibrio se impone dentro de cada subgrupo de interés.

2

Para cada bloque, se enumeran todas las permutaciones de las etiquetas de tratamiento que satisfacen la proporción de asignación objetivo (por ejemplo, para una proporción de 1:1 en bloques de 4: AABB, ABAB, ABBA, etc.), y se selecciona una permutación al azar utilizando un generador de números aleatorios por computadora. La concatenación de las permutaciones para bloques sucesivos produce la secuencia de asignación completa.

3

A medida que se inscriben los participantes y cumplen los criterios de elegibilidad, se les asigna la siguiente asignación de la secuencia. La ocultación es fundamental: la secuencia debe almacenarse de forma segura (por ejemplo, sobres sellados o un sistema central de aleatorización) para que ni el reclutador ni el participante puedan predecir la siguiente asignación. El conocimiento previo de la asignación rompe el cegamiento e introduce sesgo de selección.

4

Se administran las intervenciones experimentales y de control de acuerdo con el protocolo del ensayo. Se mantiene el cegamiento de los participantes, los proveedores de atención y los evaluadores de resultados en la medida de lo posible. Se supervisa la fidelidad del tratamiento para garantizar que la intervención se administre según lo previsto en todos los brazos.

5

Los resultados primarios y secundarios se analizan de acuerdo con el plan de análisis estadístico preespecificado, típicamente utilizando análisis de covarianza (ANCOVA), modelos mixtos para medidas repetidas o regresión logística, con ajuste para las variables de estratificación utilizadas en la aleatorización. El análisis por intención de tratar es el estimando primario; los análisis por protocolo son secundarios.

Errores comunes

  • El uso de tamaños de bloque fijos con una lista de asignación abierta (no cegada) — incluso los reclutadores sofisticados pueden deducir la siguiente asignación, violando la ocultación e introduciendo sesgo de selección.
  • Estratificación en demasiadas variables: con k variables de estrato binarias, el número de estratos es 2^k; con tamaños de muestra pequeños, la mayoría de los estratos estarán casi vacíos, sin proporcionar ningún beneficio y complicando el análisis.
  • No ajustar por estratos en el análisis primario — si se utilizaron variables de estratificación en la aleatorización, omitir los estratos del modelo de regresión desperdicia la precisión obtenida y puede sesgar las estimaciones de varianza.
  • Confundir bloqueo con cegamiento — el bloqueo controla el equilibrio de la asignación; el cegamiento controla el flujo de información. Ambos son salvaguardias necesarias e independientes.

Preguntas frecuentes

¿Qué tamaño de bloque debo usar?

El tamaño del bloque debe ser un múltiplo del número de brazos de tratamiento (por ejemplo, 4 o 6 para un ensayo de dos brazos). Los bloques más pequeños imponen un equilibrio más estricto pero son más predecibles; los bloques más grandes son menos predecibles pero toleran más desequilibrio provisional. El uso de tamaños de bloque que varían aleatoriamente — alternando entre, digamos, 2, 4 y 6 — es el compromiso práctico más común y es recomendado por la mayoría de las guías regulatorias.

¿Es la aleatorización por bloques estratificados lo mismo que la aleatorización por bloques?

La aleatorización por bloques estratificados es aleatorización por bloques aplicada por separado dentro de cada estrato (por ejemplo, cada centro o grupo de edad). La aleatorización por bloques no estratificada aplica una única secuencia de bloques a todos los participantes. El bloqueo estratificado proporciona garantías más sólidas de equilibrio en las variables de estratificación y se recomienda siempre que esas variables sean factores pronósticos fuertes.

¿Necesito analizar los datos bloqueados de manera diferente?

Sí. Si se utilizaron variables de estratificación en la aleatorización, deben aparecer como covariables en el modelo de análisis primario (ANCOVA, regresión logística o modelo mixto). Ignorarlas en el análisis es una desviación común del protocolo señalada por los reguladores; no sesga las estimaciones puntuales, pero reduce la ventaja de precisión que se pretendía proporcionar con la estratificación.

¿En qué se diferencia un RCT por bloques de un RCT por conglomerados?

En un RCT por bloques, los participantes individuales dentro de cada bloque reciben tratamientos diferentes — el bloque es solo una agrupación administrativa para fines de aleatorización. En un RCT por conglomerados, todos los miembros de un conglomerado (por ejemplo, una escuela o una clínica) reciben el mismo tratamiento; el conglomerado es la unidad de aleatorización. Estos son diseños fundamentalmente diferentes con requisitos de tamaño de muestra y análisis muy distintos.

¿Cuándo debo usar minimización en lugar de bloqueo?

La minimización (aleatorización adaptativa por covariables) se prefiere sobre el bloqueo estratificado cuando hay muchos factores pronósticos, o cuando el ensayo es pequeño y no se pueden lograr estratos perfectamente equilibrados. La minimización asigna dinámicamente al siguiente participante al brazo que minimiza el desequilibrio general de covariables. Requiere una regla de asignación determinista o casi determinista, por lo que exige una estricta aleatorización central y ocultación.

Métodos relacionados

Fuentes

  1. Friedman, L. M., Furberg, C. D., DeMets, D. L., Reboussin, D. M., & Granger, C. B. (2010). Fundamentals of Clinical Trials (4th ed.). Springer.

    ISBN: 978-1441915856
    Copiado.
  2. Pocock, S. J. (1983). Clinical Trials: A Practical Approach. Wiley.

    ISBN: 978-0471901853
    Copiado.