Skip to content
Назад к результатам поиска

Блокированное рандомизированное контролируемое исследование (Blocked Randomized Controlled Trial)

Автор метода
R. A. Fisher (blocking principle); systematic RCT application by Bradford Hill and later Pocock, Friedman et al.
Год
1920s (Fisher's blocking principle); applied to RCTs from the 1940s onward
Тип
Experimental design
Семейство
Experimental design

Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском

Размер шрифта

Что он делает?

Блокированное рандомизированное контролируемое исследование (блочное РКИ) использует рандомизацию с использованием блоков для обеспечения сбалансированности размеров групп лечения — а при необходимости и ключевых характеристик — на протяжении всего набора участников.

В пределах каждого блока фиксированного или случайно варьируемого размера присутствуют все распределения лечения в равных количествах, поэтому дисбаланс не может накапливаться, даже если исследование будет остановлено досрочно. Это делает блочные РКИ стандартным подходом к рандомизации в клинических и поведенческих исследованиях вмешательств.

Интуиция метода

Представьте, что вы набираете 100 пациентов одного за другим. Чистая рандомизация может случайно направить первых 20 пациентов преимущественно в одну группу, искажая промежуточные результаты и окончательные сравнения. Блокирование предотвращает это: исследователь заранее определяет небольшие блоки, скажем, по четыре слота (два на группу), так что каждые четыре последовательных набора восстанавливают баланс. Размеры групп лечения остаются примерно равными на протяжении всего исследования. Если блоки также соответствуют центрам или стратам, баланс поддерживается и в этих подгруппах, защищая исследование от смешивания, которое может возникнуть из-за неравномерного набора.

История

Принцип блокирования зародился в сельскохозяйственных полевых экспериментах Р. А. Фишера в 1920-х годах, где участки группировались в блоки для контроля вариабельности почвы. Брэдфорд Хилл применил рандомизацию к клиническим испытаниям в знаковом исследовании туберкулеза со стрептомицином в 1948 году. Рандомизация с использованием пермутированных блоков для РКИ была систематически описана и рекомендована Стюартом Пококом в его учебнике 1983 года, а также Фридманом, Фурбергом и ДеМецом в последующих изданиях Fundamentals of Clinical Trials. В настоящее время это де-факто стандарт в большинстве клинических испытаний фаз II и III.

Когда применять

Используйте блочное РКИ, когда вам нужно сравнить два или более вмешательства в контролируемых условиях и вы хотите гарантировать почти равные размеры групп на протяжении всего набора — это важно при планировании промежуточных анализов или досрочного прекращения. Блокирование особенно ценно в многоцентровых исследованиях, где отдельные последовательности блоков для каждого центра предотвращают смешивание на уровне центров. Не используйте простое блочное (нестратифицированное) РКИ, когда важные прогностические ковариаты резко различаются между центрами набора или во времени; в таких случаях предпочтительнее стратифицированное блокирование или минимизация. Избегайте блочной рандомизации в очень малых исследованиях (n < 20), если блоки фиксированы и размер блока известен, поскольку распределение для поздних участников становится предсказуемым даже при мерах сокрытия.

Ограничения и замечания

  • Фиксированные размеры блоков могут позволить предсказать распределение в конце каждого блока, если рандомизация не полностью скрыта, что приводит к систематической ошибке отбора.
  • Не устраняет полностью дисбаланс ковариат — только обеспечивает баланс по переменным стратификации, явно включенным в дизайн.
  • Одновременная стратификация по слишком большому количеству переменных создает неуправляемое количество малых страт, сводя на нет цель блокирования.
  • Анализ должен учитывать структуру блокирования; игнорирование переменных стратификации в модели может снизить статистическую эффективность.

Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.

Сильные стороны

  • Гарантирует приблизительный баланс размеров групп в любой момент набора, защищая промежуточные анализы.
  • Уменьшает случайный дисбаланс измеренных и неизмеренных исходных ковариат по сравнению с простой рандомизацией.
  • Совместимо со стратификацией, позволяя одновременный баланс по нескольким ключевым прогностическим факторам.
  • Широко признанный регуляторный стандарт; хорошо понятен статистикам, рецензентам и этическим комитетам.
  • Случайное варьирование размера блока эффективно предотвращает предсказание распределения, даже когда размер блока приблизительно известен.

Применение

  • Фармацевтические испытания фаз II и III, требующие рандомизации регуляторного уровня с промежуточными анализами.
  • Многоцентровые исследования образовательных или поведенческих вмешательств, где центр является известным источником вариабельности.
  • Хирургические или процедурные испытания, где объем пациентов и состав случаев существенно различаются между центрами.
  • РКИ в области реабилитации и физиотерапии, где эффекты терапевта или клиники должны быть сбалансированы между группами.
  • Испытания эффективности вакцин, стратифицированные по возрастной группе или серологическому статусу при включении.

Как это работает

Как это работает

1

Исследователь выбирает размер блока (обычно 4, 6 или случайно варьируемую последовательность размеров для предотвращения предсказания распределения). Если планируется стратификация, блоки определяются отдельно в каждой страте — например, отдельно по центру, полу или исходной тяжести заболевания — таким образом, чтобы баланс обеспечивался в каждой интересующей подгруппе.

2

Для каждого блока перечисляются все перестановки меток лечения, удовлетворяющие целевому соотношению распределения (например, для соотношения 1:1 в блоках по 4: AABB, ABAB, ABBA и т. д.), и одна перестановка выбирается случайным образом с помощью генератора случайных чисел компьютера. Объединение перестановок для последовательных блоков создает полную последовательность распределения.

3

По мере набора участников и соответствия критериям отбора им присваивается следующее распределение в последовательности. Сокрытие имеет решающее значение: последовательность должна храниться в безопасном месте (например, запечатанные конверты или централизованная система рандомизации), чтобы ни рекрутер, ни участник не могли предсказать следующее назначение. Предварительное знание распределения нарушает ослепление и вносит систематическую ошибку отбора.

4

Экспериментальные и контрольные вмешательства проводятся в соответствии с протоколом исследования. Ослепление участников, медицинских работников и оценщиков исходов поддерживается в максимально возможной степени. Контролируется точность выполнения вмешательства, чтобы гарантировать, что оно проводится так, как задумано, во всех группах.

5

Первичные и вторичные исходы анализируются в соответствии с заранее определенным планом статистического анализа, обычно с использованием анализа ковариации (ANCOVA), смешанных моделей для повторных измерений или логистической регрессии с поправкой на любые переменные стратификации, использованные при рандомизации. Анализ по намерению лечить (intention-to-treat) является основным оцениваемым показателем; анализы по протоколу являются вторичными.

Частые ошибки

  • Использование фиксированных размеров блоков с открытым (неослепленным) списком распределения — даже опытные рекрутеры могут определить следующее назначение, нарушая сокрытие и внося систематическую ошибку отбора.
  • Стратификация по слишком большому количеству переменных: при k бинарных переменных стратификации количество страт равно 2^k; при малых размерах выборки большинство страт будут почти пустыми, не принося никакой пользы и усложняя анализ.
  • Некорректировка стратификации в первичном анализе — если стратификация использовалась при рандомизации, исключение стратификации из регрессионной модели снижает достигнутую точность и может исказить оценки дисперсии.
  • Путаница между блокированием и ослеплением — блокирование контролирует баланс распределения; ослепление контролирует поток информации. Оба являются необходимыми и независимыми гарантиями.

Часто задаваемые вопросы

Какой размер блока следует использовать?

Размер блока должен быть кратен количеству групп лечения (например, 4 или 6 для двухгруппового исследования). Меньшие блоки обеспечивают более строгий баланс, но более предсказуемы; большие блоки менее предсказуемы, но допускают больший промежуточный дисбаланс. Использование случайно варьируемых размеров блоков — чередование, скажем, 2, 4 и 6 — является наиболее распространенным практическим компромиссом и рекомендуется большинством регуляторных руководств.

Является ли стратифицированная блочная рандомизация тем же, что и блочная рандомизация?

Стратифицированная блочная рандомизация — это блочная рандомизация, применяемая отдельно в каждой страте (например, в каждом центре или возрастной группе). Нестратифицированная блочная рандомизация применяет единую последовательность блоков ко всем участникам. Стратифицированное блокирование обеспечивает более надежные гарантии баланса по переменным стратификации и рекомендуется, когда эти переменные являются сильными прогностическими факторами.

Нужно ли по-разному анализировать блочные данные?

Да. Если переменные стратификации использовались при рандомизации, они должны присутствовать в качестве ковариат в модели первичного анализа (ANCOVA, логистическая регрессия или смешанная модель). Игнорирование их в анализе является распространенным нарушением протокола, отмечаемым регуляторами; это не искажает точечные оценки, но снижает преимущество в точности, которое должно было обеспечить стратифицирование.

Чем блочное РКИ отличается от кластерного РКИ?

В блочном РКИ отдельные участники в каждом блоке получают разное лечение — блок является лишь административной группой для целей рандомизации. В кластерном РКИ все члены кластера (например, школа или клиника) получают одинаковое лечение; кластер является единицей рандомизации. Это принципиально разные дизайны с очень разными требованиями к размеру выборки и анализу.

Когда следует использовать минимизацию вместо блокирования?

Минимизация (ковариатно-адаптивная рандомизация) предпочтительнее стратифицированного блокирования, когда существует много прогностических факторов или когда исследование мало и невозможно достичь идеально сбалансированных страт. Минимизация динамически назначает следующего участника в группу, которая минимизирует общий дисбаланс ковариат. Это требует детерминированного или почти детерминированного правила распределения, поэтому требует строгого централизованного рандомизации и сокрытия.

Похожие методы

Источники

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

    ISBN: 978-0471901853
    Скопировано.