Ensaio Clínico Randomizado por Conglomerados — Randomização em Nível de Grupo
- Proposto por
- Cornfield (1978); systematised by Donner and colleagues (1980s)
- Ano
- 1978–1980s
- Tipo
- Experimental design
- Família
- Experimental design
Este texto é uma tradução automática e ainda não foi revisado. Ler o original em inglês
O que ele faz?
Um ensaio clínico randomizado por conglomerados (ECR por conglomerados) é um desenho experimental em que grupos sociais ou organizacionais inteiros — como escolas, clínicas, aldeias ou locais de trabalho — são aleatoriamente designados para condições de tratamento em vez de participantes individuais.
Os resultados ainda são medidos a nível individual, mas a unidade de randomização é o conglomerado. Este desenho é essencial quando uma intervenção é administrada a grupos inteiros, quando há risco de contaminação entre participantes no mesmo ambiente, ou quando a randomização individual é logisticamente ou eticamente impraticável.
A intuição por trás do método
Imagine testar um novo método de ensino em escolas. Não se pode randomizar alunos individuais dentro da mesma sala de aula — o professor inevitavelmente misturaria os métodos, e as crianças partilhariam estratégias. Em vez disso, atribui-se aleatoriamente escolas inteiras para receber o novo método ou continuar com o currículo habitual. Os alunos dentro da mesma escola tendem a ser mais semelhantes entre si do que com alunos de outras escolas (partilham o mesmo professor, cultura e recursos), pelo que as análises devem ter em conta este agrupamento. O desenho sacrifica alguma potência estatística em comparação com a randomização individual, mas reflete como as intervenções educacionais e de saúde pública realmente funcionam no mundo real.
História
O primeiro tratamento estatístico formal da correlação intra-conglomerado em desenhos randomizados por grupo foi publicado por Jerome Cornfield em 1978, que alertou que ensaios que randomizavam grupos mas analisavam indivíduos seriam sistematicamente anticonservadores. Allan Donner e colegas desenvolveram o quadro analítico ao longo dos anos 80 e publicaram o livro de texto fundamental do campo em 2000. A extensão CONSORT para ECR por conglomerados, publicada pela primeira vez por Campbell e colegas em 2004 e atualizada em 2012, estabeleceu normas de reporte que são agora exigidas pelas principais revistas. Os ECR por conglomerados tornaram-se especialmente proeminentes na investigação em saúde global e educação durante as décadas de 90 e 2000, à medida que ensaios de intervenção comunitária em larga escala demonstraram que o controlo da contaminação era essencial para a avaliação válida de programas de saúde pública.
Quando usar
Utilizar um ECR por conglomerados quando a intervenção é inerentemente administrada a um grupo (por exemplo, uma política, um programa de formação, uma campanha comunitária), quando a contaminação entre participantes randomizados individualmente no mesmo ambiente é provável e enviesaria a estimativa do efeito do tratamento, ou quando a randomização individual seria logisticamente impossível ou eticamente inaceitável. O desenho requer um número suficiente de conglomerados — no mínimo 6 por braço, e idealmente 20 ou mais por braço — para fornecer potência adequada e suportar inferência robusta. NÃO utilizar um ECR por conglomerados quando a randomização individual é viável e não há risco de contaminação, pois o desenho por conglomerados reduz a potência e complica a análise. Evitá-lo também quando o número de conglomerados disponíveis é muito pequeno (menos de 6 por braço), pois a estimação do ICC e da variância a nível de conglomerado será pouco fiável e os erros padrão serão subestimados mesmo com análises corrigidas para o agrupamento.
Limitações e considerações
- Potência estatística reduzida em comparação com a randomização individual para o mesmo número total de participantes; são necessários mais participantes para compensar o efeito do desenho.
- Requer um número significativo de conglomerados (tipicamente 20+ por braço) para potência adequada e estimação fiável do ICC; ensaios com poucos conglomerados são subpotenciados e analiticamente frágeis.
- Logisticamente complexo: coordenar a randomização, a administração da intervenção e a recolha de dados em múltiplos locais requer infraestrutura substancial.
- A desistência de conglomerados (uma escola ou clínica inteira a retirar-se) pode comprometer gravemente a potência e introduzir um viés que a desistência individual não causa.
- O ICC deve ser estimado ou assumido a priori para cálculos de tamanho amostral; uma suposição incorreta do ICC leva a um estudo com potência excessiva ou insuficiente.
As condições da fonte não substituem a revisão científica independente nem a validação por um motor de análise.
Pontos fortes
- Previne a contaminação entre condições quando a intervenção opera a nível de grupo, preservando a integridade da comparação.
- Permite a avaliação de intervenções que são logisticamente ou eticamente impossíveis de administrar a nível individual.
- Suporta a generalização para contextos de implementação no mundo real — as intervenções são testadas nos ambientes onde serão finalmente implementadas.
- A randomização estratificada ou pareada de conglomerados pode alcançar um bom equilíbrio de covariáveis mesmo com um número modesto de conglomerados.
- Quando devidamente analisados, fornecem estimativas imparciais dos efeitos da intervenção que levam em conta a correlação intra-conglomerado.
Aplicações
- Avaliação de intervenções baseadas em escolas, como programas anti-bullying ou novos currículos, onde a sala de aula ou a escola é a unidade de implementação.
- Teste de campanhas comunitárias de saúde pública (por exemplo, prevenção de HIV, saneamento, vacinação) randomizadas ao nível da aldeia ou distrito.
- Avaliação de iniciativas de melhoria da qualidade em ambientes de cuidados de saúde, com consultórios médicos, clínicas ou enfermarias hospitalares como conglomerados randomizados.
- Avaliação de programas de bem-estar ou segurança no local de trabalho ministrados a equipas ou departamentos inteiros.
- Teste de reformas políticas ou de governação em serviços sociais onde a unidade administrativa (por exemplo, uma autoridade local) é o conglomerado natural.
Como funciona
Como funciona
Identificar os grupos naturais ou definidos administrativamente que servirão como unidade de randomização — por exemplo, escolas, consultórios médicos, aldeias ou enfermarias hospitalares. Os conglomerados devem ser o mais semelhantes possível em tamanho e características basais relevantes. A estratificação ou o pareamento de conglomerados antes da randomização é fortemente recomendado para melhorar o equilíbrio e a potência.
As fórmulas padrão de tamanho amostral para ensaios randomizados individuais subestimam sistematicamente o número necessário de participantes porque as observações dentro do mesmo conglomerado estão correlacionadas. O efeito do desenho (DEFF) inflaciona o tamanho amostral necessário: DEFF = 1 + (m − 1) × ICC, onde m é o tamanho médio do conglomerado e ICC (coeficiente de correlação intraclasse) é a proporção da variância total atribuível a diferenças entre conglomerados. Tanto o número de conglomerados como o número de participantes por conglomerado devem ser planeados explicitamente.
Fórmula
n = n_{ind} \times (1 + (m-1)\rho)Os conglomerados — não os indivíduos — são aleatoriamente alocados aos braços de tratamento ou controle. A randomização pode ser simples, estratificada por covariáveis a nível de conglomerado (por exemplo, urbano/rural, desempenho basal), ou pareada. Como o número de conglomerados é tipicamente pequeno (10–100), a randomização estratificada ou pareada reduz substancialmente a probabilidade de desequilíbrio em confundidores chave.
A intervenção é administrada a nível de conglomerado (por exemplo, um programa de formação ministrado a todo o pessoal de uma clínica). Os procedimentos devem prevenir a contaminação cruzada — a fuga da intervenção de conglomerados tratados para os de controle — que é frequentemente a principal justificação para a escolha deste desenho em detrimento da randomização individual.
Resultados a nível individual são recolhidos de participantes aninhados dentro de cada conglomerado. Características basais e resultados devem ser registados para todos os indivíduos que consentiram dentro dos conglomerados amostrados. A perda de seguimento tanto a nível de conglomerado como a nível individual deve ser rastreada e reportada separadamente, pois a desistência de conglomerados é especialmente prejudicial para a potência e validade.
Análises de regressão padrão ou testes t que ignoram o agrupamento produzem erros padrão demasiado pequenos, inflando o erro Tipo I. As análises válidas incluem: (1) resumos a nível de conglomerado analisados como unidade (análise de médias de conglomerados); (2) modelos de efeitos mistos a nível individual com intercepção aleatória para o conglomerado; (3) equações de estimação generalizadas (GEE) com uma estrutura de correlação de trabalho a nível de conglomerado. O ICC estimado a partir dos dados deve ser reportado para informar futuros ensaios.
Fórmula
\text{SE}_{adj} = \text{SE}_{naive} \times \sqrt{1 + (m-1)\rho}Erros comuns
- Analisar como se os participantes tivessem sido randomizados individualmente — ignorar a estrutura de agrupamento produz erros padrão demasiado pequenos e inflaciona as taxas de erro Tipo I, por vezes dramaticamente. Utilizar sempre um método analítico que considere o agrupamento.
- Poucos conglomerados — ensaios com apenas 4–6 conglomerados por braço têm potência muito baixa e podem produzir estimativas enganosas do ICC; considerar se o estudo vale a pena ser conduzido sem mais conglomerados.
- Tamanhos de conglomerado desiguais sem ajuste — grande variação no tamanho do conglomerado reduz a eficiência e complica a análise; ter isso em conta no planeamento do tamanho amostral e usar análises ponderadas ou de modelos mistos.
- Falha em reportar o ICC — sem o ICC observado, investigadores subsequentes não podem usar o ensaio para informar cálculos de tamanho amostral para futuros ECR por conglomerados no mesmo domínio.
- Randomizar após o recrutamento — selecionar participantes antes da randomização do conglomerado e permitir que conheçam a sua atribuição cria falha na ocultação da alocação e viés de seleção.
Perguntas frequentes
Como um ECR por conglomerados difere de um ECR padrão?
Num ECR padrão, os participantes individuais são aleatoriamente designados para tratamento ou controle. Num ECR por conglomerados, grupos inteiros (conglomerados) — como escolas ou clínicas — são aleatoriamente designados. Os resultados ainda são medidos em indivíduos, mas a unidade de randomização e a fonte primária de variância para cálculos de potência é o conglomerado, não a pessoa. Esta distinção altera fundamentalmente os requisitos de tamanho amostral e a abordagem analítica correta.
O que é o coeficiente de correlação intraclasse (ICC) e porque é importante?
O ICC (rho) mede a proporção da variância total do resultado que é atribuível a diferenças entre conglomerados em vez de diferenças entre indivíduos dentro dos conglomerados. Mesmo um ICC pequeno (por exemplo, 0,05) pode inflacionar grandemente o tamanho amostral necessário. A fórmula do efeito do desenho DEFF = 1 + (m − 1) × ICC mostra que com 50 participantes por conglomerado e ICC = 0,05, são necessárias 3,45 vezes mais participantes do que um ensaio randomizado individual exigiria.
Quantos conglomerados são necessários?
Um mínimo comum é cerca de 6 conglomerados por braço para um ensaio válido, mas isto fornece potência muito baixa para a maioria dos ICCs e tamanhos de efeito realistas. Vinte ou mais conglomerados por braço é um alvo prático amplamente citado para inferência fiável. O tamanho amostral deve ser calculado formalmente usando o ICC esperado, o tamanho médio do conglomerado, a potência desejada e o tamanho do efeito antecipado. Software como PASS, Stata's clustersampsi, ou pacotes R clusterPower ou CRTpowerPack podem auxiliar.
Que método de análise devo usar?
As duas abordagens principais são: (1) análise a nível de conglomerado — calcular uma estatística sumária (por exemplo, média do resultado) para cada conglomerado e analisar estes sumários com um teste t ou ANCOVA, tratando o conglomerado como a unidade; e (2) regressão de efeitos mistos a nível individual com uma intercepção aleatória para o conglomerado, ou GEE com uma correlação de trabalho intercambiável. Modelos de efeitos mistos e GEE são preferidos quando covariáveis precisam de ajuste ou quando os tamanhos dos conglomerados são desiguais. Todas as abordagens devem considerar o agrupamento — análises que o ignoram são inválidas.
Quando é que a contaminação é uma preocupação real?
A contaminação é mais grave quando os participantes em conglomerados de controle poderiam realisticamente aceder ou adotar o tratamento — por exemplo, se os participantes da intervenção partilharem o mesmo espaço físico, rede social ou canal de informação que os participantes de controle. Exemplos clássicos: uma intervenção motivacional administrada a algumas enfermeiras numa enfermaria, onde outras enfermeiras a observam e imitam; ou um ensaio de folhetos de educação para a saúde onde os folhetos circulam entre agregados familiares no mesmo bairro. Se a contaminação for improvável (por exemplo, uma técnica cirúrgica randomizada entre hospitais que não partilham pessoal), a randomização individual é geralmente preferível.
Métodos relacionados
Fontes
Donner, A., & Klar, N. (2000). Design and Analysis of Cluster Randomization Trials in Health Research. Arnold.
ISBN: 978-0340652978Copiado.Hayes, R. J., & Moulton, L. H. (2017). Cluster Randomised Trials (2nd ed.). CRC Press / Chapman & Hall.
ISBN: 978-1498728225Copiado.