Skip to content
Torna ai risultati

Trial Randomizzato a Grappoli — Randomizzazione a Livello di Gruppo

Introdotto da
Cornfield (1978); systematised by Donner and colleagues (1980s)
Anno
1978–1980s
Tipo
Experimental design
Famiglia
Experimental design

Questo testo è una traduzione automatica e non è ancora stato revisionato. Leggi l’originale in inglese

Dimensione del carattere

A cosa serve?

Un trial randomizzato a grappoli (cluster RCT) è un disegno sperimentale in cui gruppi sociali o organizzativi intatti — come scuole, cliniche, villaggi o luoghi di lavoro — vengono assegnati casualmente a condizioni di trattamento piuttosto che singoli partecipanti.

Gli esiti vengono ancora misurati a livello individuale, ma l'unità di randomizzazione è il grappolo. Questo disegno è essenziale quando un intervento viene erogato a interi gruppi, quando vi è il rischio di contaminazione tra partecipanti nello stesso contesto, o quando la randomizzazione individuale è logisticamente o eticamente impraticabile.

L’intuizione alla base del metodo

Immaginate di testare un nuovo metodo di insegnamento nelle scuole. Non potete randomizzare singoli alunni all'interno della stessa classe — l'insegnante mescolerebbe inevitabilmente i metodi e i bambini condividerebbero le strategie. Invece, assegnate casualmente intere scuole a ricevere il nuovo metodo o a continuare con il curriculum usuale. Gli alunni all'interno della stessa scuola tendono ad essere più simili tra loro rispetto agli alunni di altre scuole (condividono lo stesso insegnante, cultura e risorse), quindi le analisi devono tenere conto di questo raggruppamento. Il disegno sacrifica una certa potenza statistica rispetto alla randomizzazione individuale, ma riflette come gli interventi educativi e di sanità pubblica funzionano realmente nel mondo.

Storia

Il primo trattamento statistico formale della correlazione intraclasse nei disegni randomizzati a gruppi fu pubblicato da Jerome Cornfield nel 1978, il quale avvertì che i trial che randomizzavano gruppi ma analizzavano individui sarebbero stati sistematicamente anti-conservativi. Allan Donner e colleghi svilupparono il quadro analitico negli anni '80 e pubblicarono il testo fondamentale del campo nel 2000. L'estensione CONSORT per i cluster RCT, pubblicata per la prima volta da Campbell e colleghi nel 2004 e aggiornata nel 2012, stabilì standard di reporting ora richiesti dalle principali riviste. I cluster RCT divennero particolarmente prominenti nella ricerca sulla salute globale e sull'istruzione durante gli anni '90 e 2000, poiché i trial di intervento su larga scala a livello comunitario dimostrarono che il controllo della contaminazione era essenziale per una valutazione valida dei programmi di sanità pubblica.

Quando usarlo

Utilizzare un cluster RCT quando l'intervento viene erogato intrinsecamente a un gruppo (ad es. una politica, un programma di formazione, una campagna comunitaria), quando è probabile la contaminazione tra partecipanti randomizzati individualmente nello stesso contesto e ciò potrebbe distorcere la stima dell'effetto del trattamento, o quando la randomizzazione individuale sarebbe logisticamente impossibile o eticamente inaccettabile. Il disegno richiede un numero sufficiente di grappoli — almeno 6 per braccio, e idealmente 20 o più per braccio — per fornire potenza adeguata e supportare un'inferenza robusta. NON utilizzare un cluster RCT quando la randomizzazione individuale è fattibile e non vi è rischio di contaminazione, poiché il disegno a grappoli riduce la potenza e complica l'analisi. Evitarlo anche quando il numero di grappoli disponibili è molto piccolo (meno di 6 per braccio), poiché la stima dell'ICC e della varianza a livello di grappolo sarà inaffidabile e gli errori standard saranno sottostimati anche con analisi corrette per il raggruppamento.

Limiti e considerazioni

  • Potenza statistica ridotta rispetto alla randomizzazione individuale per lo stesso numero totale di partecipanti; sono necessari più partecipanti per compensare l'effetto del disegno.
  • Richiede un numero significativo di grappoli (tipicamente 20+ per braccio) per una potenza adeguata e una stima affidabile dell'ICC; i trial con pochi grappoli sono sottodimensionati e analiticamente fragili.
  • Logisticamente complesso: coordinare la randomizzazione, l'erogazione dell'intervento e la raccolta dati in più siti richiede un'infrastruttura sostanziale.
  • Il dropout del grappolo (il ritiro di un'intera scuola o clinica) può compromettere gravemente la potenza e introdurre bias che il dropout individuale non causa.
  • L'ICC deve essere stimato o assunto a priori per i calcoli della dimensione del campione; un'assunzione errata dell'ICC porta a uno studio sovra- o sottodimensionato.

Le condizioni della fonte non sostituiscono una revisione scientifica indipendente né la validazione da parte di un motore di analisi.

Punti di forza

  • Previene la contaminazione tra le condizioni quando l'intervento opera a livello di gruppo, preservando l'integrità del confronto.
  • Consente la valutazione di interventi che sono logisticamente o eticamente impossibili da erogare a livello individuale.
  • Supporta la generalizzazione ai contesti di erogazione del mondo reale — gli interventi vengono testati negli ambienti in cui verranno infine impiegati.
  • La randomizzazione stratificata o abbinata dei grappoli può ottenere un buon equilibrio delle covariate anche con un numero modesto di grappoli.
  • Se analizzati correttamente, forniscono stime imparziali degli effetti dell'intervento che tengono conto della correlazione intra-grappolo.

Applicazioni

  • Valutazione di interventi basati sulla scuola come programmi anti-bullismo o nuovi curricula, dove la classe o la scuola è l'unità di erogazione.
  • Test di campagne comunitarie di sanità pubblica (ad es. prevenzione dell'HIV, igiene, vaccinazione) randomizzate a livello di villaggio o distretto.
  • Valutazione di iniziative di miglioramento della qualità in contesti sanitari, con studi medici di base, cliniche o reparti ospedalieri come grappoli randomizzati.
  • Valutazione di programmi di benessere o sicurezza sul posto di lavoro erogati a interi team o dipartimenti.
  • Test di riforme politiche o di governance nei servizi sociali in cui l'unità amministrativa (ad es. un'autorità locale) è il grappolo naturale.

Come funziona

Come funziona

1

Identificare i gruppi naturali o definiti amministrativamente che serviranno come unità di randomizzazione — ad esempio, scuole, studi medici di base, villaggi o reparti ospedalieri. I grappoli dovrebbero essere il più possibile simili per dimensioni e caratteristiche di base pertinenti. La stratificazione o l'abbinamento a coppie dei grappoli prima della randomizzazione è fortemente raccomandato per migliorare l'equilibrio e la potenza.

2

Le formule standard per la dimensione del campione per i trial randomizzati individualmente sottostimano sistematicamente il numero richiesto di partecipanti perché le osservazioni all'interno dello stesso grappolo sono correlate. L'effetto del disegno (DEFF) gonfia la dimensione del campione richiesta: DEFF = 1 + (m − 1) × ICC, dove m è la dimensione media del grappolo e ICC (coefficiente di correlazione intraclasse) è la proporzione della varianza totale attribuibile alle differenze tra i grappoli. Sia il numero di grappoli che il numero di partecipanti per grappolo devono essere pianificati esplicitamente.

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

I grappoli — non gli individui — vengono allocati casualmente ai bracci di trattamento o di controllo. La randomizzazione può essere semplice, stratificata per covariate a livello di grappolo (ad es. urbano/rurale, prestazioni di base), o abbinata a coppie. Poiché il numero di grappoli è tipicamente piccolo (10–100), la randomizzazione stratificata o abbinata riduce sostanzialmente la probabilità di squilibrio su confondenti chiave.

4

L'intervento viene somministrato a livello di grappolo (ad es. un programma di formazione erogato a tutto il personale di una clinica). Le procedure devono prevenire la contaminazione incrociata — la fuoriuscita dell'intervento dai grappoli trattati a quelli di controllo — che è spesso la ragione principale per scegliere questo disegno rispetto alla randomizzazione individuale.

5

Gli esiti a livello individuale vengono raccolti dai partecipanti annidati all'interno di ciascun grappolo. Le caratteristiche di base e gli esiti dovrebbero essere registrati per tutti gli individui consenzienti all'interno dei grappoli campionati. La perdita al follow-up sia a livello di grappolo che individuale deve essere tracciata e riportata separatamente, poiché il dropout del grappolo è particolarmente dannoso per la potenza e la validità.

6

Le analisi di regressione standard o i test t che ignorano il raggruppamento producono errori standard troppo piccoli, gonfiando l'errore di Tipo I. Le analisi valide includono: (1) riassunti a livello di grappolo analizzati come unità (analisi delle medie dei grappoli); (2) modelli a effetti misti a livello individuale con un'intercetta casuale per il grappolo; (3) equazioni di stima generalizzate (GEE) con una struttura di correlazione di lavoro a livello di grappolo. L'ICC stimato dai dati dovrebbe essere riportato per informare futuri trial.

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

Errori comuni

  • Analizzare come se i partecipanti fossero randomizzati individualmente — ignorare la struttura di raggruppamento produce errori standard troppo piccoli e aumenta i tassi di errore di Tipo I, a volte drasticamente. Utilizzare sempre un metodo analitico consapevole del raggruppamento.
  • Troppi pochi grappoli — i trial con solo 4-6 grappoli per braccio hanno una potenza molto bassa e possono produrre stime ICC fuorvianti; considerare se lo studio vale la pena di essere condotto senza più grappoli.
  • Dimensioni dei grappoli non uguali senza aggiustamento — una grande variazione nelle dimensioni dei grappoli riduce l'efficienza e complica l'analisi; tenerne conto nella pianificazione della dimensione del campione e utilizzare analisi ponderate o a effetti misti.
  • Mancata segnalazione dell'ICC — senza l'ICC osservato, i ricercatori successivi non possono utilizzare il trial per informare i calcoli della dimensione del campione per futuri cluster RCT nello stesso dominio.
  • Randomizzazione dopo il reclutamento — selezionare i partecipanti prima della randomizzazione del grappolo e consentire loro di conoscere la loro assegnazione crea un fallimento della concealment dell'allocazione e un bias di selezione.

Domande frequenti

In cosa differisce un cluster RCT da un RCT standard?

In un RCT standard, i singoli partecipanti vengono assegnati casualmente al trattamento o al controllo. In un cluster RCT, interi gruppi (grappoli) — come scuole o cliniche — vengono assegnati casualmente. Gli esiti vengono ancora misurati sui singoli individui, ma l'unità di randomizzazione e la fonte primaria di varianza per i calcoli della potenza è il grappolo, non la persona. Questa distinzione modifica fondamentalmente i requisiti della dimensione del campione e l'approccio analitico corretto.

Cos'è il coefficiente di correlazione intraclasse (ICC) e perché è importante?

L'ICC (rho) misura la proporzione della varianza totale dell'esito attribuibile alle differenze tra i grappoli piuttosto che alle differenze tra gli individui all'interno dei grappoli. Anche un ICC piccolo (ad es. 0,05) può gonfiare notevolmente la dimensione del campione richiesta. La formula dell'effetto del disegno DEFF = 1 + (m − 1) × ICC mostra che con 50 partecipanti per grappolo e ICC = 0,05, sono necessari 3,45 volte più partecipanti rispetto a quanto richiederebbe un trial randomizzato individualmente.

Quanti grappoli mi servono?

Un minimo comune è di circa 6 grappoli per braccio per un trial valido, ma ciò fornisce una potenza molto bassa per la maggior parte degli ICC e delle dimensioni dell'effetto realistiche. Venti o più grappoli per braccio è un obiettivo pratico ampiamente citato per un'inferenza affidabile. La dimensione del campione dovrebbe essere calcolata formalmente utilizzando l'ICC atteso, la dimensione media del grappolo, la potenza desiderata e la dimensione dell'effetto prevista. Software come PASS, Stata's clustersampsi, o pacchetti R clusterPower o CRTpowerPack possono assistere.

Quale metodo di analisi dovrei usare?

I due approcci principali sono: (1) analisi a livello di grappolo — calcolare una statistica riassuntiva (ad es. esito medio) per ciascun grappolo e analizzare questi riassunti con un test t o ANCOVA, trattando il grappolo come unità; e (2) regressione a effetti misti a livello individuale con un'intercetta casuale per il grappolo, o GEE con una correlazione di lavoro scambiabile. I modelli a effetti misti e GEE sono preferiti quando è necessario aggiustare le covariate o quando le dimensioni dei grappoli sono disuguali. Tutti gli approcci devono tenere conto del raggruppamento — le analisi che lo ignorano sono invalide.

Quando la contaminazione è una preoccupazione reale?

La contaminazione è più grave quando i partecipanti nei grappoli di controllo potrebbero realisticamente accedere o adottare il trattamento — ad esempio, se i partecipanti all'intervento condividono lo stesso spazio fisico, rete sociale o canale informativo dei partecipanti al controllo. Esempi classici: un intervento motivazionale erogato ad alcune infermiere in un reparto, dove altre infermiere lo osservano e lo imitano; o un trial di opuscoli di educazione sanitaria in cui gli opuscoli circolano tra le famiglie nello stesso quartiere. Se la contaminazione è improbabile (ad es. una tecnica chirurgica randomizzata tra ospedali che non condividono personale), la randomizzazione individuale è solitamente preferibile.

Metodi correlati

Fonti

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

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

    ISBN: 978-1498728225
    Copiato.