Skip to content
Retour aux résultats

Essai contrôlé randomisé en grappes — Randomisation au niveau du groupe

Introduite par
Cornfield (1978); systematised by Donner and colleagues (1980s)
Année
1978–1980s
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 grappes (ECR en grappes) est un devis expérimental dans lequel des groupes sociaux ou organisationnels intacts — tels que des écoles, des cliniques, des villages ou des lieux de travail — sont assignés aléatoirement à des conditions de traitement plutôt qu'à des participants individuels.

Les résultats sont toujours mesurés au niveau individuel, mais l'unité de randomisation est la grappe. Ce devis est essentiel lorsqu'une intervention est dispensée à des groupes entiers, lorsqu'il existe un risque de contamination entre les participants dans le même milieu, ou lorsque la randomisation individuelle est logistiquement ou éthiquement irréalisable.

L’intuition derrière la méthode

Imaginez tester une nouvelle méthode d'enseignement dans des écoles. Vous ne pouvez pas randomiser des élèves individuels au sein de la même classe — l'enseignant mélangerait inévitablement les méthodes, et les enfants partageraient des stratégies. Au lieu de cela, vous assignez aléatoirement des écoles entières pour recevoir la nouvelle méthode ou continuer avec le programme d'études habituel. Les élèves au sein de la même école ont tendance à être plus similaires entre eux qu'avec les élèves d'autres écoles (ils partagent le même enseignant, la même culture et les mêmes ressources), de sorte que les analyses doivent tenir compte de ce regroupement. Le devis sacrifie une certaine puissance statistique par rapport à la randomisation individuelle, mais il reflète la manière dont les interventions éducatives et de santé publique fonctionnent réellement dans le monde réel.

Histoire

Le premier traitement statistique formel de la corrélation intra-grappe dans les devis randomisés par groupe a été publié par Jerome Cornfield en 1978, qui a averti que les essais randomisant des groupes mais analysant des individus seraient systématiquement anti-conservateurs. Allan Donner et ses collègues ont développé le cadre analytique dans les années 1980 et ont publié le manuel fondamental du domaine en 2000. L'extension CONSORT pour les ECR en grappes, publiée pour la première fois par Campbell et ses collègues en 2004 et mise à jour en 2012, a établi des normes de reporting qui sont maintenant exigées par les principales revues. Les ECR en grappes sont devenus particulièrement importants dans la recherche en santé mondiale et en éducation au cours des années 1990 et 2000, car les essais d'intervention communautaires à grande échelle ont démontré que le contrôle de la contamination était essentiel pour une évaluation valide des programmes de santé publique.

Quand l’utiliser

Utiliser un ECR en grappes lorsque l'intervention est intrinsèquement dispensée à un groupe (par exemple, une politique, un programme de formation, une campagne communautaire), lorsque la contamination entre les participants randomisés individuellement dans le même milieu est probable et biaiserait l'estimation de l'effet du traitement, ou lorsque la randomisation individuelle serait logistiquement impossible ou éthiquement inacceptable. Le devis nécessite un nombre suffisant de grappes — au minimum 6 par bras, et idéalement 20 ou plus par bras — pour fournir une puissance adéquate et soutenir une inférence robuste. N'utilisez PAS d'ECR en grappes lorsque la randomisation individuelle est réalisable et qu'il n'y a pas de risque de contamination, car le devis en grappes réduit la puissance et complique l'analyse. Évitez-le également lorsque le nombre de grappes disponibles est très faible (moins de 6 par bras), car l'estimation de l'ICC et de la variance au niveau de la grappe sera peu fiable et les erreurs standard seront sous-estimées même avec des analyses corrigées pour le regroupement.

Limites et points d’attention

  • Puissance statistique réduite par rapport à la randomisation individuelle pour le même nombre total de participants ; plus de participants sont nécessaires pour compenser l'effet de devis.
  • Nécessite un nombre significatif de grappes (typiquement 20+ par bras) pour une puissance adéquate et une estimation fiable de l'ICC ; les essais avec peu de grappes sont sous-dimensionnés et analytiquement fragiles.
  • Logistiquement complexe : la coordination de la randomisation, de la prestation de l'intervention et de la collecte de données sur plusieurs sites nécessite une infrastructure substantielle.
  • Le décrochage de grappe (le retrait d'une école ou d'une clinique entière) peut compromettre gravement la puissance et introduire un biais que le décrochage individuel n'introduit pas.
  • L'ICC doit être estimé ou supposé a priori pour les calculs de taille d'échantillon ; une hypothèse ICC incorrecte conduit à une étude sur- ou sous-dimensionnée.

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

Points forts

  • Prévient la contamination entre les conditions lorsque l'intervention opère au niveau du groupe, préservant l'intégrité de la comparaison.
  • Permet l'évaluation d'interventions qui sont logistiquement ou éthiquement impossibles à dispenser au niveau individuel.
  • Soutient la généralisation aux contextes de prestation réels — les interventions sont testées dans les milieux où elles seront finalement déployées.
  • La randomisation stratifiée ou appariée des grappes peut atteindre un bon équilibre des covariables même avec un nombre modeste de grappes.
  • Lorsqu'elles sont correctement analysées, fournissent des estimations non biaisées des effets de l'intervention qui tiennent compte de la corrélation intra-grappe.

Applications

  • Évaluation d'interventions basées sur l'école telles que des programmes anti-harcèlement ou de nouveaux programmes d'études, où la classe ou l'école est l'unité de prestation.
  • Tests de campagnes de santé publique au niveau communautaire (par exemple, prévention du VIH, assainissement, vaccination) randomisées au niveau du village ou du district.
  • Évaluation d'initiatives d'amélioration de la qualité dans les milieux de soins de santé, avec des cabinets de médecins généralistes, des cliniques ou des services hospitaliers comme grappes randomisées.
  • Évaluation de programmes de bien-être ou de sécurité en milieu de travail dispensés à des équipes ou départements entiers.
  • Tests de réformes politiques ou de gouvernance dans les services sociaux où l'unité administrative (par exemple, une autorité locale) est la grappe naturelle.

Comment ça marche

Comment ça marche

1

Identifier les groupes naturels ou définis administrativement qui serviront d'unité de randomisation — par exemple, écoles, cabinets de médecins généralistes, villages ou services hospitaliers. Les grappes doivent être aussi similaires que possible en taille et en caractéristiques de base pertinentes. La stratification ou le jumelage des grappes avant la randomisation est fortement recommandé pour améliorer l'équilibre et la puissance.

2

Les formules standard de taille d'échantillon pour les essais randomisés individuels sous-estiment systématiquement le nombre requis de participants car les observations au sein de la même grappe sont corrélées. L'effet de devis (DEFF) gonfle la taille d'échantillon requise : DEFF = 1 + (m − 1) × ICC, où m est la taille moyenne de la grappe et ICC (coefficient de corrélation intra-classe) est la proportion de la variance totale attribuable aux différences entre les grappes. Le nombre de grappes et le nombre de participants par grappe doivent être planifiés explicitement.

Formule
n = n_{ind} \times (1 + (m-1)\rho)
3

Les grappes — et non les individus — sont allouées aléatoirement aux bras de traitement ou de contrôle. La randomisation peut être simple, stratifiée par des covariables au niveau de la grappe (par exemple, urbain/rural, performance de base), ou par appariement. Comme le nombre de grappes est généralement faible (10–100), la randomisation stratifiée ou appariée réduit considérablement le risque de déséquilibre sur les principaux facteurs de confusion.

4

L'intervention est administrée au niveau de la grappe (par exemple, un programme de formation dispensé à tout le personnel d'une clinique). Des procédures doivent empêcher la contamination croisée — la fuite de l'intervention des grappes traitées vers les grappes témoins — ce qui est souvent la raison principale du choix de ce devis plutôt que la randomisation individuelle.

5

Les résultats au niveau individuel sont collectés auprès des participants imbriqués dans chaque grappe. Les caractéristiques de base et les résultats doivent être enregistrés pour tous les individus consentants au sein des grappes échantillonnées. Les pertes de suivi aux niveaux de la grappe et de l'individu doivent être suivies et rapportées séparément, car le décrochage de grappe est particulièrement préjudiciable à la puissance et à la validité.

6

Les analyses de régression standard ou les tests t qui ignorent le regroupement produisent des erreurs standard trop petites, gonflant l'erreur de type I. Les analyses valides comprennent : (1) des résumés au niveau de la grappe analysés comme unité (analyse des moyennes de grappe) ; (2) des modèles à effets mixtes au niveau individuel avec une ordonnée à l'origine aléatoire pour la grappe ; (3) des équations généralisées d'estimation (GEE) avec une structure de corrélation de travail au niveau de la grappe. L'ICC estimé à partir des données doit être rapporté pour informer les essais futurs.

Formule
\text{SE}_{adj} = \text{SE}_{naive} \times \sqrt{1 + (m-1)\rho}

Pièges courants

  • Analyser comme si les participants étaient randomisés individuellement — ignorer la structure de regroupement produit des erreurs standard beaucoup trop petites et gonfle les taux d'erreur de type I, parfois de manière spectaculaire. Utilisez toujours une méthode d'analyse tenant compte du regroupement.
  • Trop peu de grappes — les essais avec seulement 4 à 6 grappes par bras ont une très faible puissance et peuvent produire des estimations ICC trompeuses ; déterminez si l'étude vaut la peine d'être menée sans plus de grappes.
  • Tailles de grappes inégales sans ajustement — une grande variation de la taille des grappes réduit l'efficacité et complique l'analyse ; tenez-en compte dans la planification de la taille de l'échantillon et utilisez des analyses pondérées ou à effets mixtes.
  • Omission de rapporter l'ICC — sans l'ICC observé, les chercheurs ultérieurs ne peuvent pas utiliser l'essai pour informer les calculs de taille d'échantillon pour les futurs ECR en grappes dans le même domaine.
  • Randomisation après le recrutement — sélectionner des participants avant la randomisation des grappes et leur permettre de connaître leur affectation crée un échec de dissimulation de l'allocation et un biais de sélection.

Questions fréquentes

En quoi un ECR en grappes diffère-t-il d'un ECR standard ?

Dans un ECR standard, les participants individuels sont assignés aléatoirement au traitement ou au contrôle. Dans un ECR en grappes, des groupes entiers (grappes) — tels que des écoles ou des cliniques — sont assignés aléatoirement. Les résultats sont toujours mesurés sur des individus, mais l'unité de randomisation et la principale source de variance pour les calculs de puissance est la grappe, pas la personne. Cette distinction modifie fondamentalement les exigences de taille d'échantillon et l'approche analytique correcte.

Qu'est-ce que le coefficient de corrélation intra-classe (ICC) et pourquoi est-il important ?

L'ICC (rho) mesure la proportion de la variance totale du résultat attribuable aux différences entre les grappes plutôt qu'aux différences entre les individus au sein des grappes. Même un faible ICC (par exemple, 0,05) peut considérablement gonfler la taille d'échantillon requise. La formule de l'effet de devis DEFF = 1 + (m − 1) × ICC montre qu'avec 50 participants par grappe et un ICC = 0,05, vous avez besoin de 3,45 fois plus de participants qu'un essai randomisé individuel ne le nécessiterait.

Combien de grappes ai-je besoin ?

Un minimum courant est d'environ 6 grappes par bras pour un essai valide, mais cela fournit une très faible puissance pour la plupart des ICC et des tailles d'effet réalistes. Vingt grappes ou plus par bras est un objectif pratique largement cité pour une inférence fiable. La taille de l'échantillon doit être calculée formellement en utilisant l'ICC attendu, la taille moyenne de la grappe, la puissance souhaitée et la taille d'effet anticipée. Des logiciels tels que PASS, clustersampsi de Stata, ou les packages R clusterPower ou CRTpowerPack peuvent aider.

Quelle méthode d'analyse dois-je utiliser ?

Les deux approches principales sont : (1) analyse au niveau de la grappe — calculer une statistique résumée (par exemple, le résultat moyen) pour chaque grappe et analyser ces résumés avec un test t ou une ANCOVA, en traitant la grappe comme l'unité ; et (2) régression à effets mixtes au niveau individuel avec une ordonnée à l'origine aléatoire pour la grappe, ou GEE avec une corrélation de travail échangeable. Les modèles à effets mixtes et les GEE sont préférés lorsque des covariables doivent être ajustées ou lorsque les tailles de grappes sont inégales. Toutes les approches doivent tenir compte du regroupement — les analyses qui l'ignorent sont invalides.

Quand la contamination est-elle une préoccupation réelle ?

La contamination est la plus grave lorsque les participants des grappes témoins pourraient raisonnablement accéder ou adopter le traitement — par exemple, si les participants à l'intervention partagent le même espace physique, le même réseau social ou le même canal d'information que les participants témoins. Exemples classiques : une intervention motivationnelle dispensée à certaines infirmières d'un service, où d'autres infirmières l'observent et l'imitent ; ou un essai de dépliant d'éducation sanitaire où les dépliants circulent entre les ménages du même quartier. Si la contamination est peu probable (par exemple, une technique chirurgicale randomisée entre des hôpitaux qui ne partagent pas de personnel), la randomisation individuelle est généralement préférable.

Méthodes associées

Sources

  1. Donner, A., & Klar, N. (2000). Design and Analysis of Cluster Randomization Trials in Health Research. Arnold.

    ISBN : 978-0340652978
    Copié.
  2. Hayes, R. J., & Moulton, L. H. (2017). Cluster Randomised Trials (2nd ed.). CRC Press / Chapman & Hall.

    ISBN : 978-1498728225
    Copié.