Skip to content
Retour aux résultats

Essai contrôlé randomisé en blocs

Introduite par
R. A. Fisher (blocking principle); systematic RCT application by Bradford Hill and later Pocock, Friedman et al.
Année
1920s (Fisher's blocking principle); applied to RCTs from the 1940s onward
Type
Experimental design
Famille
Experimental design

Ce texte est une traduction automatique et n’a pas encore été relu. Lire l’original en anglais

Taille de police

À quoi sert-elle ?

Un essai contrôlé randomisé en blocs (ECR en blocs) utilise la randomisation par blocs permutés pour garantir que les groupes de traitement restent équilibrés en taille — et éventuellement en caractéristiques clés — tout au long du recrutement.

Au sein de chaque bloc de taille fixe ou aléatoirement variable, toutes les allocations de traitement sont présentes en nombre égal, de sorte que le déséquilibre ne peut pas s'accumuler, même si l'essai est arrêté prématurément. Cela fait des ECR en blocs l'approche de randomisation standard dans la recherche sur les interventions cliniques et comportementales.

L’intuition derrière la méthode

Imaginez l'enrôlement de 100 patients un par un. Une randomisation pure pourrait, par hasard, assigner la majorité des 20 premiers patients à un bras, faussant les analyses intérimaires et les comparaisons finales. Le blocage empêche cela : le chercheur présélectionne de petits blocs de, disons, quatre emplacements (deux par bras), de sorte que toutes les quatre inscriptions consécutives rétablissent l'équilibre. Les tailles des groupes de traitement restent proches de l'égalité tout au long de l'essai. Si les blocs correspondent également à des sites ou des strates, l'équilibre est maintenu au sein de ces sous-groupes également, protégeant l'étude contre le brouillage que peut introduire une inscription inégale.

Histoire

Le principe du blocage trouve son origine dans les expériences agricoles de R. A. Fisher dans les années 1920, où les parcelles étaient regroupées en blocs pour contrôler la variabilité du sol. Bradford Hill a appliqué la randomisation aux essais cliniques dans l'essai historique sur la streptomycine contre la tuberculose de 1948. La randomisation par blocs permutés pour les ECR a été systématiquement décrite et préconisée par Stuart Pocock dans son manuel de 1983 et par Friedman, Furberg et DeMets dans les éditions successives de Fundamentals of Clinical Trials. C'est maintenant la norme de facto dans la plupart des essais cliniques de phase II et III.

Quand l’utiliser

Utilisez un ECR en blocs lorsque vous devez comparer deux interventions ou plus dans des conditions contrôlées et que vous souhaitez garantir des tailles de groupe quasi égales tout au long du recrutement — essentiel lorsque des analyses intérimaires ou un arrêt précoce sont prévus. Le blocage est particulièrement précieux dans les essais multi-sites, où des séquences de blocs séparées par site empêchent le brouillage au niveau du site. N'utilisez pas un ECR en blocs simple (non stratifié) lorsque des covariables pronostiques importantes varient fortement selon les sites de recrutement ou le temps ; le blocage stratifié ou la minimisation est alors préférable. Évitez la randomisation par blocs dans les très petits essais (n < 20) si les blocs sont fixes et que la taille du bloc est connue, car l'allocation tardive devient prévisible même avec des mesures de dissimulation.

Limites et points d’attention

  • Les tailles de blocs fixes peuvent permettre la prédiction de l'allocation vers la fin de chaque bloc si la randomisation n'est pas entièrement dissimulée, introduisant un biais de sélection.
  • N'élimine pas complètement le déséquilibre des covariables — impose seulement l'équilibre sur les variables de stratification explicitement incorporées dans la conception.
  • La stratification sur trop de variables simultanément crée un nombre ingérable de petites strates, rendant le blocage inefficace.
  • L'analyse doit tenir compte de la structure de blocage ; ignorer les variables de stratification dans le modèle peut réduire l'efficacité statistique.

Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.

Points forts

  • Garantit un équilibre approximatif des tailles de groupe à tout moment pendant le recrutement, protégeant les analyses intérimaires.
  • Réduit le déséquilibre dû au hasard sur les covariables de base mesurées et non mesurées par rapport à la randomisation simple.
  • Compatible avec la stratification, permettant un équilibre simultané sur plusieurs facteurs pronostiques clés.
  • Norme réglementaire largement acceptée ; bien comprise par les statisticiens, les examinateurs et les comités d'éthique.
  • La variation aléatoire de la taille des blocs empêche efficacement la prédiction de l'allocation, même lorsque la taille du bloc est approximativement connue.

Applications

  • Essais pharmaceutiques de phase II et III nécessitant une randomisation de qualité réglementaire avec des analyses intérimaires.
  • Études d'intervention éducatives ou comportementales multi-sites où le site est une source connue de variabilité.
  • Essais chirurgicaux ou procéduraux où le volume de patients et la composition des cas diffèrent considérablement entre les centres.
  • Essais ECR de réadaptation et de physiothérapie où les effets des thérapeutes ou des cliniques doivent être équilibrés entre les bras.
  • Essais d'efficacité vaccinale stratifiés par groupe d'âge ou statut sérologique à l'inclusion.

Comment ça marche

Comment ça marche

1

L'investigateur choisit une taille de bloc (couramment 4, 6, ou une séquence de tailles variant aléatoirement pour empêcher la prédiction de l'allocation). Si une stratification est prévue, les blocs sont définis séparément au sein de chaque strate — par exemple, séparément par site, sexe ou gravité de base — de sorte que l'équilibre soit imposé au sein de chaque sous-groupe d'intérêt.

2

Pour chaque bloc, toutes les permutations des étiquettes de traitement qui satisfont le ratio d'allocation cible sont listées (par exemple, pour un ratio de 1:1 dans des blocs de 4 : AABB, ABAB, ABBA, etc.), et une permutation est sélectionnée au hasard à l'aide d'un générateur d'aléas numériques informatisé. La concaténation des permutations pour les blocs successifs produit la séquence d'allocation complète.

3

Au fur et à mesure que les participants sont inscrits et répondent aux critères d'éligibilité, ils reçoivent la prochaine allocation de la séquence. La dissimulation est essentielle : la séquence doit être stockée en toute sécurité (par exemple, enveloppes scellées ou système de randomisation centralisé) de sorte que ni le recruteur ni le participant ne puissent prédire la prochaine affectation. La connaissance préalable de l'allocation brise l'aveuglement et introduit un biais de sélection.

4

Les interventions expérimentales et de contrôle sont administrées conformément au protocole de l'essai. L'aveuglement des participants, des prestataires de soins et des évaluateurs des résultats est maintenu dans la mesure du possible. La fidélité au traitement est surveillée pour garantir que l'intervention est administrée comme prévu dans tous les bras.

5

Les résultats primaires et secondaires sont analysés conformément au plan d'analyse statistique présélectionné, généralement à l'aide de l'analyse de covariance (ANCOVA), de modèles mixtes pour mesures répétées ou de la régression logistique, avec ajustement pour les variables de stratification utilisées dans la randomisation. L'analyse en intention de traiter est l'estimand primaire ; les analyses par protocole sont secondaires.

Pièges courants

  • L'utilisation de tailles de blocs fixes avec une liste d'allocation ouverte (non dissimulée) — même les recruteurs expérimentés peuvent déduire la prochaine affectation, violant la dissimulation et introduisant un biais de sélection.
  • Stratification sur trop de variables : avec k variables de stratification binaires, le nombre de strates est 2^k ; avec de petits échantillons, la plupart des strates seront quasi vides, n'apportant aucun bénéfice et compliquant l'analyse.
  • Omission de l'ajustement pour les strates dans l'analyse primaire — si la stratification a été utilisée lors de la randomisation, omettre les strates du modèle de régression gaspille la précision gagnée et peut biaiser les estimations de variance.
  • Confusion entre blocage et aveuglement — le blocage contrôle l'équilibre de l'allocation ; l'aveuglement contrôle le flux d'informations. Les deux sont des protections nécessaires et indépendantes.

Questions fréquentes

Quelle taille de bloc dois-je utiliser ?

La taille du bloc doit être un multiple du nombre de bras de traitement (par exemple, 4 ou 6 pour un essai à deux bras). Les blocs plus petits imposent un équilibre plus strict mais sont plus prévisibles ; les blocs plus grands sont moins prévisibles mais tolèrent plus de déséquilibre intérimaire. L'utilisation de tailles de blocs variant aléatoirement — alternant entre, par exemple, 2, 4 et 6 — est le compromis pratique le plus courant et est recommandée par la plupart des directives réglementaires.

La randomisation par blocs stratifiés est-elle la même que la randomisation par blocs ?

La randomisation par blocs stratifiés est une randomisation par blocs appliquée séparément au sein de chaque strate (par exemple, chaque site ou groupe d'âge). La randomisation par blocs non stratifiée applique une seule séquence de blocs à tous les participants. Le blocage stratifié offre des garanties plus solides d'équilibre sur les variables de stratification et est recommandé chaque fois que ces variables sont des facteurs pronostiques importants.

Dois-je analyser les données en blocs différemment ?

Oui. Si des variables de stratification ont été utilisées dans la randomisation, elles doivent apparaître comme covariables dans le modèle d'analyse primaire (ANCOVA, régression logistique ou modèle mixte). Les ignorer dans l'analyse est une déviation courante du protocole signalée par les régulateurs ; cela ne biaise pas les estimations ponctuelles mais réduit l'avantage de précision que la stratification était censée fournir.

Quelle est la différence entre un ECR en blocs et un ECR en clusters ?

Dans un ECR en blocs, les participants individuels au sein de chaque bloc reçoivent des traitements différents — le bloc n'est qu'un regroupement administratif à des fins de randomisation. Dans un ECR en clusters, tous les membres d'un cluster (par exemple, une école ou une clinique) reçoivent le même traitement ; le cluster est l'unité de randomisation. Ce sont des conceptions fondamentalement différentes avec des exigences très différentes en matière de taille d'échantillon et d'analyse.

Quand dois-je utiliser la minimisation au lieu du blocage ?

La minimisation (randomisation adaptative par covariables) est préférée au blocage stratifié lorsqu'il existe de nombreux facteurs pronostiques, ou lorsque l'essai est petit et que des strates parfaitement équilibrées ne peuvent être atteintes. La minimisation assigne dynamiquement le participant suivant au bras qui minimise le déséquilibre global des covariables. Elle nécessite une règle d'allocation déterministe ou quasi déterministe, elle exige donc une randomisation et une dissimulation centrales strictes.

Méthodes associées

Sources

  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
    Copié.
  2. Pocock, S. J. (1983). Clinical Trials: A Practical Approach. Wiley.

    ISBN : 978-0471901853
    Copié.