交叉随机对照试验
- 提出者
- Early formalized by statisticians including Bradford Hill and colleagues in clinical trials; theoretical framework developed by Grizzle (1965) and later Senn (2002)
- 年份
- 1960s (Grizzle 1965 for statistical foundations); widely used in clinical research since the 1970s
- 类型
- Experimental within-subject 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?
交叉随机对照试验(交叉RCT)是一种实验设计,其中每个受试者按随机顺序接受所有研究干预措施,并以洗脱期分隔。由于每个受试者都充当自己的对照,因此受试者内的变异性从治疗比较中消除,与同等规模的平行组RCT相比,每个受试者的统计功效更大。
方法背后的直觉
在标准的RCT中,不同的人接受不同的治疗,因此人与人之间的差异会混淆比较。交叉RCT通过让每个受试者依次接受每种治疗来规避这一点——先是一种干预,然后(在洗脱期清除任何残留效应后)是另一种。由于您是在比较同一个人在两种条件下的情况,因此个体差异带来的噪音在很大程度上会相互抵消。关键的假设是洗脱期足够长,以至于治疗A在治疗B开始时不会留下任何痕迹。
历史学
交叉设计出现在20世纪初的农业实验中。其在临床试验中的正式应用是由Bradford Hill及其同事在20世纪50年代推动的。残效的关键统计问题由Grizzle(1965)严格表述,其两期两治疗模型至今仍是参考点。Stephen Senn的专著《临床研究中的交叉试验》(1993年,第二版2002年)综合了该领域的研究,是现代交叉试验方法学的标准参考。
何时使用
当正在治疗的病症稳定且慢性(例如,高血压、慢性疼痛、哮状)时,当可以定义并执行充分的洗脱期,并且当样本量有限时——受试者内设计可能需要明显更少的受试者来实现与平行组RCT相同的功效。它特别适用于药代动力学研究、剂量探索试验以及比较症状性治疗的卫生技术评估。不应使用交叉设计的情况包括:(1)干预措施预计会产生永久性或持久性改变(例如,手术、疫苗接种、持续的行为改变计划);(2)疾病轨迹是快速进展的或在各期之间高度可变的;(3)预计退出率很高,因为不完整的交叉数据比平行组退出者更难分析;或(4)病症是急性的且是发作性的,使得第二期与第一期无法比较。
局限与注意事项
- 假设无残效:整个设计的有效性取决于足够长的洗脱期以消除残留的治疗效应——这一假设可能难以验证或保证。
- 时期效应(长期趋势、学习效应、疾病进展)如果条件在各期之间系统性地变化,可能会混淆受试者内的比较。
- 不适用于急性、发作性或可能在第一次治疗后治愈或显著改变的病症。
- 由于多个治疗期和洗脱间隔,试验持续时间更长,增加了退出风险和受试者负担。
- 统计分析比平行组RCT更复杂;残效检验的功效较低,而检验失败并不证明残效不存在。
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
- 每个受试者充当自己的对照,从治疗比较中消除了受试者间的变异性,并显著提高了统计功效。
- 与平行组RCT相比,实现同等功效所需的受试者更少——当受试者稀缺或招募成本高昂时,这是一个重要的优势。
- 受试者和临床医生通常认为它很有吸引力,因为每位入选的受试者都有机会接受活性干预。
- 可以获得个体治疗反应的估计值,从而能够探索治疗与受试者之间的相互作用。
- 混淆效应:高阶交互作用被故意混淆;它们的独立估计需要额外的运行。
应用
- 比较仿制药与品牌药在健康志愿者中的药代动力学和生物等效性研究。
- 慢性病管理试验,比较高血压、哮喘或慢性疼痛等病症的症状性治疗。
- 营养干预研究,评估不同饮食或补充剂的急性代谢效应。
- 卫生技术评估,比较需要患者层面精度的医疗器械或诊断程序。
- 剂量探索和概念验证研究,其中最大化每位受试者的信息是优先事项。
- 生理学和运动科学实验,在稳定、训练有素的人群中比较运动方案或促效剂。
使用方式
使用方式
符合条件的受试者被招募并随机分配到一个或两个(或更多)序列组——例如,第1组接受治疗A然后是B(AB序列),第2组接受治疗B然后是A(BA序列)。序列的随机化平衡了样本中的序列顺序效应。
每个受试者接受其随机序列分配的第一次干预。根据预先指定的计划,在这一时期结束时收集结局测量指标。在可行的情况下,对受试者和评估者进行设盲。
每个活性治疗期之后是洗脱期。其长度必须超过干预措施的生物学或药理学半衰期,以便在下一次治疗开始前任何残留效应(残效)已经消散。洗脱不足是交叉有效性最常见的威胁。
受试者交叉接受其第二次分配的干预,并根据与第1期相同的方案再次收集结局测量指标。具有两种以上治疗的研究会增加更多时期,并在每个时期之间设置洗脱间隔。
在合并各期数据之前,分析者会测试残效——统计学上显著的时期-治疗相互作用表明第一种治疗的残留效应污染了第二期。如果存在残效,则只有第1期数据可能可用,分析将恢复为平行组比较。
当未检测到残效时,线性混合模型(或重复测量方差分析)将变异性划分为治疗、时期、序列和受试者效应。治疗估计利用受试者内的比较,与同等样本量的受试者间分析相比,提供了更精确的估计。
常见陷阱
- 洗脱期不足:研究人员有时会根据行政便利性而非药理学证据选择洗脱期长度,允许残留效应污染第二期并导致治疗估计偏差。
- 忽略时期效应:在模型中未包含时期作为协变量,当存在系统性时期趋势时,可能会增加I类错误率。
- 将交叉设计应用于具有永久性效应的治疗:对诸如手术、教育计划或持久的行为干预等干预措施使用该设计违反了根本的可交换性假设。
- 仅分析完整的完成者:排除在第1期后退出的受试者会引入选择偏差;应预先指定使用适当插补的意向性治疗分析。
- 通过忽略类内相关性导致功效不足:样本量计算必须考虑各期之间的受试者内相关性;未能这样做可能导致研究功效过高或过低。
常见问题
如何确定合适的洗脱期长度?
洗脱期应至少是干预措施生物半衰期的五倍——对于药理学制剂,这通常很容易计算。对于非药物干预(例如,饮食改变、物理疗法),必须通过试点数据或生理学推理来证明适当的长度是合理的。如有疑问,宁可选择更长的洗脱期;具有可证明足够洗脱期的设计比仅仅希望没有残效的设计更具可信度。
如果检测到残效会怎样?
如果时期-治疗相互作用检验显著(表明存在残效),则第二期数据对于治疗比较是不可靠的。通常的回退方法是将分析限制在仅第一期数据,这将交叉试验转换为平行组比较,样本量约为预期的一半——大大降低了功效。这一结果强调了充分洗脱期的重要性,而不是依赖统计检验来挽救有缺陷的设计。
交叉RCT是否总是比平行组RCT更有效?
不一定。效率优势取决于受试者内相关性:受试者内结局在各期之间的相关性越高(即病症越稳定),功效增益越大。如果个体结局在不同时间的相关性较差,样本量优势就会缩小。多个时期的额外复杂性和退出风险也必须纳入效率计算。
交叉RCT可以有多于两个时期吗?
可以。当需要在每位受试者内比较几种干预措施时,会使用多期交叉设计(例如,拉丁方或威廉斯方排列中的三种或四种治疗)。这些设计提供了进一步的效率增益,但增加了受试者负担、退出风险和残效建模的复杂性。它们在药代动力学和生物等效性研究中最为常见。
如何处理受试者在第1期后退出的缺失数据?
仅完成第1期的受试者提供了该期可用的数据,不应将其排除在分析之外。使用线性混合模型的预先指定的分析计划可以在随机缺失的假设下纳入所有观察到的数据。当退出率较高时,应考虑使用多重插补或在合理的非随机缺失假设下的敏感性分析。
相关方法
参考文献
Senn, S. (2002). Cross-over Trials in Clinical Research (2nd ed.). Wiley.
ISBN:978-0471496533已复制。Jones, B., & Kenward, M. G. (2003). Design and Analysis of Cross-Over Trials (2nd ed.). Chapman and Hall/CRC.
ISBN:978-1584883429已复制。