整群随机对照试验 — 群组层面随机化
- 提出者
- Cornfield (1978); systematised by Donner and colleagues (1980s)
- 年份
- 1978–1980s
- 类型
- Experimental design
- 类别
- Experimental design
本文为机器翻译,尚未经过审校。 阅读英文原文
它有什么作用?
整群随机对照试验(cluster RCT)是一种实验设计,其中将完整的社会或组织群体(例如学校、诊所、村庄或工作场所)随机分配到不同的治疗条件,而不是分配单个参与者。结果仍以个体层面衡量,但随机化的单位是群组。当干预措施针对整个群体实施时、当同一环境中的参与者之间存在污染风险时、或者当个体随机化在后勤或伦理上不切实际时,这种设计至关重要。
方法背后的直觉
设想在学校中测试一种新的教学方法。你不能在同一个班级内随机分配单个学生——教师将不可避免地混合使用各种方法,并且学生会分享策略。相反,你随机分配整所学校来接受新方法或继续使用常规课程。同一所学校的学生往往比其他学校的学生更相似(他们共享相同的教师、文化和资源),因此分析必须考虑这种群集效应。与个体随机化相比,这种设计牺牲了一些统计功效,但它反映了教育和公共卫生干预措施在现实世界中的实际运作方式。
历史学
Jerome Cornfield 于 1978 年首次对群组随机设计中的组内相关性进行了正式的统计处理,他警告说,随机化群组但分析个体的试验将系统性地反保守。Allan Donner 及其同事在 20 世纪 80 年代发展了分析框架,并于 2000 年出版了该领域的基础性教科书。由 Campbell 及其同事于 2004 年首次发布并于 2012 年更新的整群随机对照试验 CONSORT 扩展,确立了主要期刊现在要求的报告标准。随着大规模社区干预试验表明污染控制对于公共卫生项目有效评估至关重要,整群随机对照试验在 20 世纪 90 年代和 21 世纪初在全球健康和教育研究中变得尤为突出。
何时使用
当干预措施本质上是针对群体实施时(例如,一项政策、一个培训计划、一项社区活动),当同一环境中个体随机化参与者之间可能发生污染并可能偏倚治疗效果估计时,或者当个体随机化在后勤上不可能或伦理上不可接受时,应使用整群随机对照试验。该设计需要足够数量的群组——每组至少6个,理想情况下每组20个或更多——以提供足够的功效并支持稳健的推断。当个体随机化可行且没有污染风险时,请勿使用整群随机对照试验,因为群集设计会降低功效并使分析复杂化。当可用群组数量非常少(每组少于6个)时,也应避免使用,因为 ICC 和群组层面方差的估计将不可靠,即使采用群集校正分析,标准误也会被低估。
局限与注意事项
- 与相同总参与者数量的个体随机化相比,统计功效降低;需要更多参与者来补偿设计效应。
- 需要有意义的群组数量(通常每组20个以上)才能获得足够的功效和可靠的 ICC 估计;群组数量少的试验功效不足且分析脆弱。
- 后勤复杂:协调多个地点的随机化、干预实施和数据收集需要大量基础设施。
- 群组退出(整个学校或诊所退出)会严重损害功效并引入个体退出不会造成的偏倚。
- ICC 必须在样本量计算前进行估计或假设;不正确的 ICC 假设会导致研究功效过高或过低。
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 当干预在群体层面进行时,可防止不同条件之间的污染,从而保持比较的完整性。
- 能够评估在个体层面实施在后勤或伦理上不可能的干预措施。
- 支持推广到真实世界的实施情境——在干预措施最终部署的环境中进行测试。
- 即使群组数量适中,分层或配对整群随机化也能实现良好的协变量平衡。
- 经过适当分析后,可提供无偏的干预效果估计,并考虑群组内的相关性。
应用
- 评估基于学校的干预措施,例如反欺凌计划或新课程,其中教室或学校是实施单位。
- 测试社区层面的公共卫生运动(例如,艾滋病预防、环境卫生、疫苗接种推广),在村庄或地区层面进行随机化。
- 评估医疗保健环境中的质量改进措施,将全科医生诊所、门诊部或医院病房作为随机化群组。
- 评估针对整个团队或部门实施的工作场所健康或安全计划。
- 评估社会服务中的政策或治理改革,其中行政单位(例如,地方政府)是自然群组。
使用方式
使用方式
确定将作为随机化单位的自然形成或行政定义的群组——例如,学校、全科医生诊所、村庄或医院病房。群组在规模和相关基线特征方面应尽可能相似。强烈建议在随机化之前对群组进行分层或配对,以改善平衡性和功效。
针对个体随机试验的标准样本量公式会系统性地低估所需的参与者数量,因为同一群组内的观察结果是相关的。设计效应(DEFF)会增加所需的样本量:DEFF = 1 + (m − 1) × ICC,其中 m 是平均群组大小,ICC(组内相关系数)是总方差中归因于群组间差异的比例。群组数量和每个群组的参与者数量都必须明确规划。
公式
n = n_{ind} \times (1 + (m-1)\rho)群组——而非个体——被随机分配到治疗组或对照组。随机化可以是简单的,也可以根据群组层面的协变量(例如,城市/农村、基线表现)进行分层,或者进行配对。由于群组数量通常较少(10-100个),分层或配对随机化能显著降低关键混杂因素不平衡的几率。
干预措施在群组层面实施(例如,向诊所所有员工提供培训计划)。程序必须防止交叉污染——即干预措施从治疗群组泄漏到对照群组——这通常是选择此设计而非个体随机化的主要原因。
从每个群组内的参与者收集个体层面的结果。应记录所有抽样群组内同意参与的个体的基线特征和结果。必须分别跟踪和报告群组和个体层面的失访情况,因为群组退出对功效和有效性尤其有害。
忽略群集效应的标准回归或 t 检验分析会产生过小的标准误,从而夸大 I 类错误。有效的分析包括:(1) 将群组层面的汇总数据作为单位进行分析(群组均值分析);(2) 包含群组随机截距的个体层面混合效应模型;(3) 采用群组层面工作相关结构的广义估计方程(GEE)。应报告从数据中估计的 ICC,以供未来试验参考。
公式
\text{SE}_{adj} = \text{SE}_{naive} \times \sqrt{1 + (m-1)\rho}常见陷阱
- 如果像个体随机化那样进行分析——忽略群集结构会产生过小的标准误,并夸大 I 类错误率,有时甚至会显著夸大。务必使用考虑群集效应的分析方法。
- 群组数量过少——每组只有4-6个群组的试验功效非常低,并可能产生误导性的 ICC 估计;应考虑在没有更多群组的情况下是否值得进行研究。
- 群组大小不均且未进行调整——群组大小的巨大差异会降低效率并使分析复杂化;在样本量规划中应考虑这一点,并使用加权或混合模型分析。
- 未能报告 ICC——如果没有观察到的 ICC,后续研究人员无法利用该试验为未来同一领域整群随机对照试验的样本量计算提供信息。
- 招募后随机化——在群组随机化之前选择参与者并让他们知道其分配会造成分配隐藏失败和选择偏倚。
常见问题
整群随机对照试验与标准随机对照试验有何不同?
在标准随机对照试验中,个体参与者被随机分配到治疗组或对照组。在整群随机对照试验中,整个群组(例如学校或诊所)被随机分配。结果仍然在个体层面上测量,但随机化单位和功效计算的主要方差来源是群组,而不是个人。这种区别从根本上改变了样本量要求和正确的分析方法。
组内相关系数(ICC)是什么,为什么它很重要?
ICC(rho)衡量的是总结果方差中归因于群组间差异而非群组内个体间差异的比例。即使是很小的 ICC(例如,0.05)也能大大增加所需的样本量。设计效应公式 DEFF = 1 + (m − 1) × ICC 表明,如果每个群组有50名参与者且 ICC = 0.05,则所需的参与者数量是单独随机试验所需数量的3.45倍。
我需要多少个群组?
一个常见的最低要求是每组约6个群组才能进行有效的试验,但对于大多数实际的 ICC 和效应量而言,这提供的功效非常低。每组20个或更多群组是广泛引用的可靠推断的实际目标。样本量应使用预期的 ICC、平均群组大小、所需的功效和预期的效应量进行正式计算。PASS、Stata 的 clustersampsi 或 R 包 clusterPower 或 CRTpowerPack 等软件可以提供帮助。
我应该使用哪种分析方法?
两种主要方法是:(1) 群组层面分析——计算每个群组的汇总统计量(例如,平均结果),并使用 t 检验或 ANCOVA 分析这些汇总数据,将群组视为单位;(2) 包含群组随机截距的个体层面混合效应回归,或采用可交换工作相关结构的 GEE。当需要调整协变量或群组大小不均时,混合效应模型和 GEE 是首选。所有方法都必须考虑群集效应——忽略群集效应的分析是无效的。
什么时候污染是一个真正的问题?
当对照群组中的参与者可能实际接触或采纳治疗时,污染最为严重——例如,如果干预参与者与对照参与者共享相同的物理空间、社交网络或信息渠道。经典例子:对病房中的一些护士进行激励干预,其他护士观察并模仿;或者健康教育传单试验中,传单在同一社区的家庭之间流传。如果污染不太可能发生(例如,在不共享员工的医院之间随机分配外科技术),通常首选个体随机化。
相关方法
参考文献
Donner, A., & Klar, N. (2000). Design and Analysis of Cluster Randomization Trials in Health Research. Arnold.
ISBN:978-0340652978已复制。Hayes, R. J., & Moulton, L. H. (2017). Cluster Randomised Trials (2nd ed.). CRC Press / Chapman & Hall.
ISBN:978-1498728225已复制。