آزمایش چند بازویی — طرح آزمایشی چند بازویی
- معرفیشده توسط
- Developed within clinical trials methodology; formalized by Parmar, Royston and colleagues (UK MRC CTU, early 2000s)
- سال
- 1990s–2000s (clinical formalization); multi-arm concept implicit in ANOVA-era factorial designs
- نوع
- Experimental design
- خانواده
- Experimental design
این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید
چه کاری انجام میدهد؟
یک آزمایش چند بازویی به طور همزمان سه یا چند شرط درمانی یا مداخلهای — که هر کدام بازو نامیده میشود — را در برابر یک گروه کنترل مشترک یا در برابر یکدیگر مقایسه میکند. با آزمایش چندین جایگزین در یک مطالعه واحد، اطلاعات بیشتری به ازای هر شرکتکننده نسبت به اجرای جداگانه آزمایشهای دوگروهی به صورت متوالی به دست میآورد، در حالی که نرخ خطای کلی از نوع اول را از طریق استراتژیهای مقایسهای از پیش تعیین شده کنترل میکند.
شهود پشت روش
یک کارآزمایی دارویی را در نظر بگیرید که نیاز به آزمایش چهار دوز داروی کاندید در برابر دارونما دارد. اجرای چهار کارآزمایی جداگانه دو بازویی منابع را هدر میدهد و احتمال مثبت کاذب را افزایش میدهد. یک طرح چند بازویی هر پنج گروه را به طور همزمان وارد مطالعه میکند، بازوی کنترل را در بین مقایسهها به اشتراک میگذارد و آستانه معنیداری را طوری تنظیم میکند که احتمال کلی یافتن یک نتیجه نادرست در سطح قابل قبولی باقی بماند. همین منطق در آموزش (مقایسه سه روش تدریس)، فناوری (آزمایش چندین نوع رابط کاربری) یا ارزیابی سیاست (ارزیابی چندین نوع برنامه در برابر وضعیت موجود) نیز کاربرد دارد. نکته کلیدی، کارایی است: یک آزمایش با توان کافی جایگزین چندین آزمایش کوچکتر میشود.
تاریخ
منطق آزمایش همزمان چندین گروه در تحلیل واریانس همانطور که توسط رونالد ای. فیشر در دهههای ۱۹۲۰-۱۹۳۰ توسعه یافت، مستتر است. چارچوب مدرن چند بازویی در کارآزماییهای بالینی در اواخر دهه ۱۹۹۰ و ۲۰۰۰ به طور سیستماتیک بیان شد، که با نیاز به تسریع توسعه دارو هدایت میشد. پارمار، رویستون و همکاران در واحد کارآزماییهای تحقیقات پزشکی بریتانیا، طرحهای چند بازویی چند مرحلهای (MAMS) را در مجموعهای از مقالات از سال ۲۰۰۳ به بعد رسمی کردند و نشان دادند که چگونه حذف موقت بازوها میتواند کنترل خطا را حفظ کند و در عین حال زمان جذب را در برخی محیطها به نصف کاهش دهد.
چه زمانی استفاده شود
هنگامی که نیاز به ارزیابی سه یا چند مداخله، دوز یا شرط در یک آزمایش واحد دارید و میخواهید به جای اجرای چندین مطالعه جداگانه، یک بازوی مقایسهگر مشترک را به اشتراک بگذارید، از یک آزمایش چند بازویی استفاده کنید. این روش به ویژه زمانی کارآمد است که جذب شرکتکننده منبع محدود کننده باشد. این طرح برای کارآزماییهای بالینی، مداخلات رفتاری، تحقیقات آموزشی و آزمایش محصولات آنلاین مناسب است. زمانی از آن استفاده نکنید که نتوانید جداسازی عملیاتی بین بازوها را حفظ کنید (خطر آلودگی)، زمانی که تعداد مقایسههای برنامهریزی شده آنقدر زیاد است که توان به ازای هر مقایسه به طور غیرقابل قبولی پایین میآید، یا زمانی که بازوهای مداخلهای به گونهای با یکدیگر تعامل دارند که فرض استقلال را نقض میکنند.
محدودیتها و ملاحظات
- توان به ازای هر مقایسه فردی بازو در مقابل کنترل کمتر از یک آزمایش دو بازویی با همان حجم نمونه کل است، مگر اینکه طرح بهینه شده باشد.
- پیچیدگی عملیاتی با افزایش تعداد بازوها افزایش مییابد: زنجیرههای تأمین، آموزش، نظارت و انحرافات پروتکل ضرب میشوند.
- تعدیلهای تعدد زمانی که بازوهای زیادی آزمایش میشوند، محافظهکارانه میشوند و به طور بالقوه مداخلات مؤثر واقعی را پنهان میکنند.
- حذف بازوها در تحلیلهای موقت در طرحهای MAMS نیازمند قوانین توقف از پیش تعیین شده است؛ حذف موردی قابل قبول نیست.
شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.
نقاط قوت
- به طور کارآمد چندین فرضیه را در یک مطالعه واحد آزمایش میکند و حجم نمونه کل را در مقایسه با آزمایشهای مستقل متعدد کاهش میدهد.
- یک بازوی کنترل مشترک در معرض همان روندهای زمانی و شرایط جذب شرکتکننده مانند تمام بازوهای فعال قرار میگیرد و مقایسهپذیری را بهبود میبخشد.
- نرخ خطای خانوادگی را میتوان به طور دقیق از طریق روشهای تعدیل از پیش تعیین شده (دانت، بونفرونی، دروازهبانی) کنترل کرد.
- پسوندهای چند بازویی چند مرحلهای اجازه حذف بازوهای ضعیفتر در تحلیلهای موقت را میدهند و طرح را بدون افزایش خطا، تطبیقی میسازند.
- پیشثبت شفاف تمام بازوها و مقایسهها، تغییر پیامد و سوگیری انتشار را محدود میکند.
کاربردها
- کارآزماییهای بالینی که چندین دوز دارو یا درمانهای کاندید را در برابر دارونما در یک پروتکل واحد مقایسه میکنند.
- تحقیقات آموزشی که سه یا چند رویکرد آموزشی — سخنرانی سنتی، کلاس درس معکوس، آموزش همتایان — را در برابر یک شرط کنترل ارزیابی میکنند.
- آزمایش محصولات دیجیتال که چندین نوع رابط کاربری یا قیمتگذاری را در برابر یک خط پایه در یک آزمایش آنلاین کنترل شده مقایسه میکند.
- مطالعات مداخلهای بهداشت عمومی که چندین استراتژی تغییر رفتار (پیامرسانی، مشوقها، یادآوریها) را به طور همزمان ارزیابی میکنند.
- کارآزماییهای کشاورزی که چندین فرمولاسیون کود یا برنامه کاشت را در برابر یک بازوی روش استاندارد آزمایش میکنند.
چگونه کار میکند
چگونه کار میکند
قبل از شروع آزمایش، محقق تعداد بازوها (حداقل سه: معمولاً یک کنترل به علاوه دو یا چند شرط فعال)، پیامد اولیه، ساختار مقایسه (هر بازو در مقابل کنترل، همه مقایسههای دوتایی، یا یک توالی سلسله مراتبی) و استراتژی کنترل نرخ خطای خانوادگی را مشخص میکند — که معمولاً تصحیح بونفرونی، آزمون دانت برای مقایسههای بازو در مقابل کنترل، یا یک رویه دروازهبانی برای فرضیههای مرتب شده است.
شرکتکنندگان واجد شرایط (یا خوشهها، یا واحدها) با استفاده از نسبت تخصیص از پیش تعیین شده به طور تصادفی به یکی از بازوها تخصیص داده میشوند. تخصیص برابر در بین بازوها توان را به ازای هر بازو به حداکثر میرساند؛ تخصیص نابرابر — تعداد بیشتری شرکتکننده در گروه کنترل — میتواند زمانی کارآمدتر باشد که دادههای بازوی کنترل چندین مقایسه را پوشش دهد. تصادفیسازی طبقهبندی شده یا بلوکی اغلب برای متعادل کردن عوامل پیشآگهی استفاده میشود.
هر بازو مداخله یا شرط تخصیص یافته خود را برای کل دوره مطالعه دریافت میکند. پنهانسازی شرکتکنندگان، ارائهدهندگان مراقبت و ارزیابان پیامد در صورت امکان برای جلوگیری از سوگیری افتراقی اعمال میشود. بررسیهای وفاداری عملیاتی تأیید میکنند که هر بازو در طول دوره کارآزمایی همانطور که مشخص شده است، اجرا میشود.
پیامد اولیه و هرگونه پیامد ثانویه از پیش تعیین شده در نقاط زمانی تعیین شده برای همه شرکتکنندگان اندازهگیری میشود. تمام دادهها، از جمله دادههای شرکتکنندگانی که منحرف میشوند یا انصراف میدهند، ثبت میشوند؛ اصول قصد درمان در تحلیل اولیه برای حفظ یکپارچگی تصادفیسازی اعمال میشود.
پیامدها در هر بازوی فعال با استفاده از آزمونهای آماری از پیش تعیین شده و آستانههای معنیداری تعدیل شده با کنترل (یا با یکدیگر) مقایسه میشوند. اندازههای اثر و فواصل اطمینان برای هر مقایسه گزارش میشوند. اگر طرح از چارچوب چند بازویی چند مرحلهای (MAMS) پیروی کند، تحلیلهای موقت ممکن است بازوهای با عملکرد ضعیف را قبل از مرحله نهایی حذف کنند و منابع را بدون به خطر انداختن کنترل خطا ذخیره کنند.
دامهای رایج
- نادیده گرفتن تصحیح تعدد — اجرای مقایسههای دوتایی در سطح آلفای تعدیل نشده، نرخ مثبت کاذب را متناسب با تعداد مقایسهها افزایش میدهد؛ همیشه استراتژی تعدیل را از پیش تعیین کنید.
- توانبخشی بازوهای منفرد — محاسبه حجم نمونه برای یک آزمایش دو بازویی و سپس تقسیم شرکتکنندگان بین بازوهای بیشتر، هر مقایسه را کمتوان میسازد؛ توان باید برای هر کنتراست برنامهریزی شده تحت آلفای تعدیل شده محاسبه شود.
- آلودگی بازو — اگر شرکتکنندگان در بازوهای مختلف با یکدیگر تعامل داشته باشند (مثلاً در یک محیط کلاس درس یا محل کار)، اثرات درمان بین بازوها نشت میکند؛ تصادفیسازی در سطح خوشه یا جداسازی فیزیکی لازم است.
- افزودن بازوها پس از تصادفیسازی — معرفی یک بازوی جدید پس از شروع ثبتنام، تعادل تصادفیسازی و مقایسهپذیری را از بین میبرد؛ تمام بازوها باید مشخص شده و به طور همزمان باز شوند.
- اشتباه گرفتن چند بازویی با فاکتوریل — یک طرح چند بازویی شرایطی را آزمایش میکند که از هم جدا هستند؛ یک طرح فاکتوریل اجازه ترکیب را میدهد؛ اشتباه گرفتن یکی با دیگری منجر به مدلهای نادرست مشخص شده و نتایج غیرقابل تفسیر میشود.
پرسشهای متداول
تفاوت یک آزمایش چند بازویی با یک آزمایش فاکتوریل چیست؟
در یک آزمایش چند بازویی، شرکتکنندگان دقیقاً یکی از شرایط تعریف شده را دریافت میکنند؛ بازوها از هم جدا هستند. در یک آزمایش فاکتوریل، شرکتکنندگان ممکن است ترکیبی از سطوح عامل را دریافت کنند — به عنوان مثال، هم دارو و هم مداخله غذایی. اگر میخواهید اثرات متقابل بین عوامل را مطالعه کنید، از طرح فاکتوریل استفاده کنید؛ اگر میخواهید جایگزینهای متمایز و غیرقابل ترکیب را مقایسه کنید، از طرح چند بازویی استفاده کنید.
چگونه باید برای مقایسههای متعدد تصحیح کنم؟
رایجترین رویکرد برای مقایسههای بازو در مقابل کنترل، آزمون دانت است که در صورت اشتراک کنترل یکسان توسط همه بازوها، قدرتمندتر از بونفرونی است. برای تمام مقایسههای دوتایی، Tukey's HSD استاندارد است. برای فرضیههای سلسله مراتبی مرتب شده (اولیه، ثانویه و غیره) یک رویه دروازهبانی، توان را در مقایسه اولیه حفظ میکند. استراتژی تعدیل باید قبل از جمعآوری دادهها در پروتکل از پیش تعیین شود.
آیا میتوانم یک بازوی جدید را پس از شروع مطالعه اضافه کنم؟
در اصل، طرحهای پلتفرم یا پروتکل اصلی اجازه افزودن بازوها را میدهند، اما تنها تحت قوانین از پیش تعیین شده سختگیرانه و با جریمههای آماری برای حفظ کنترل خطا. در یک آزمایش چند بازویی استاندارد، افزودن یک بازو در اواسط کارآزمایی، تعادل تصادفیسازی و مقایسهپذیری با بازوی کنترل جمعآوری شده قبل از باز شدن بازوی جدید را مختل میکند. این کار تنها باید تحت یک پروتکل تطبیقی از پیش ثبت شده که توسط یک کمیته نظارت مستقل بر دادهها بررسی شده است، انجام شود.
به چه حجم نمونهای نیاز دارم؟
توان را برای هر مقایسه برنامهریزی شده در سطح معنیداری تعدیل شده (به عنوان مثال، آلفا / تعداد مقایسهها برای بونفرونی، یا مقدار بحرانی تعدیل شده دانت) محاسبه کنید. حجم نمونه مورد نیاز به ازای هر بازو بزرگتر از یک آزمایش دو بازویی تعدیل نشده است. نرمافزارهایی مانند R (بستههای multcomp، mvtnorm) یا ماشینحسابهای اختصاصی کارآزمایی بالینی از تحلیل توان چند بازویی به طور مستقیم پشتیبانی میکنند.
طرح چند بازویی چند مرحلهای (MAMS) چیست؟
MAMS یک پسوند است که تحلیلهای موقت برنامهریزی شده را در طرح چند بازویی ادغام میکند. در هر مرحله موقت، بازوهایی که آستانه فعالیت از پیش تعیین شده را برآورده نمیکنند، حذف میشوند و جذب شرکتکننده به بازوهای باقیمانده ادامه مییابد. این امر کارایی را افزایش میدهد — شرکتکنندگان کمتری در معرض درمانهای ناکارآمد قرار میگیرند — در حالی که کنترل خطای کلی را از طریق مرزهای توقف از پیش تعیین شده حفظ میکند.
روشهای مرتبط
منابع
Royston, P., Parmar, M. K. B., & Qian, W. (2003). Novel designs for multi-arm clinical trials with survival outcomes with an application in ovarian cancer. Statistics in Medicine, 22(14), 2239–2256.
باز کردن مرجع DOIکپی شد.Multi-arm bandit. Wikipedia.
باز کردن مرجع انتشارکپی شد.