随机化试验（Randomized Trial）的定义

随机化试验是一种科学研究方法，用于评估干预措施（如药物、治疗、行为干预等）的效果。其核心特点是将受试者随机分配到不同的试验组（如试验组和对照组），以减少偏倚（bias），确保组间的可比性，从而得出可靠的因果结论。

随机化的目的

1. 平衡混杂因素：通过随机分配，使已知和未知的混杂因素（如年龄、性别、疾病严重程度）在组间均匀分布，避免系统性差异。

2. 避免选择偏倚：防止研究者或受试者人为影响分组（如将病情较轻者分到试验组）。

3. 满足统计假设：随机化是许多统计检验（如t检验、卡方检验）的基础前提。

随机化试验的关键要素

常见的随机化方法

1. 简单随机化（Simple Randomization）

   • 类似抛硬币，每个受试者独立随机分配。

   • 优点：操作简单。

   • 缺点：小样本时可能出现组间不平衡（如年龄分布不均）。

2. 区组随机化（Block Randomization）

   • 将受试者分成若干区组（如每4人一组），在区组内随机分配。

   • 优点：确保组间人数始终平衡（如试验组:对照组=1:1）。

   • 适用场景：中期分析或样本量较小的试验。

3. 分层随机化（Stratified Randomization）

   • 先按重要因素（如疾病分期、性别）分层，再在每层内随机分配。

   • 优点：控制关键混杂变量的影响。

   • 示例：癌症试验中按肿瘤分期分层后随机化。

4. 适应性随机化（Adaptive Randomization）

   • 根据试验中期结果动态调整分配概率（如疗效好的组增加受试者比例）。

   • 优点：提高试验效率或伦理合理性。

   • 缺点：统计方法复杂，需谨慎设计。

随机化试验的类型

1. 平行组设计（Parallel Group）

   • 受试者被随机分配到不同组，每组接受一种干预，全程不交换。

   • 示例：新药 vs 安慰剂的疗效比较。

2. 交叉设计（Crossover）

   • 受试者先后接受两种干预（顺序随机），中间有“洗脱期”避免残留效应。

   • 优点：减少个体差异影响，节省样本量。

   • 限制：仅适用于病情稳定的慢性病（如高血压）。

3. 整群随机化（Cluster Randomization）

   • 以群体（如学校、村庄）为单位随机分配，而非个体。

   • 适用场景：干预涉及群体行为（如公共卫生宣传）。

为什么随机化试验是“金标准”？

• 因果推断能力强：随机化是证明“干预→结果”因果关系的核心方法。

• 减少偏倚：优于观察性研究（如队列研究），后者易受混杂因素干扰。

• 监管要求：药物上市通常需基于随机对照试验（RCT）证据。

注意事项

1. 随机化实施：需由独立人员操作，避免研究者干预。

2. 分配隐藏（Allocation Concealment）：随机序列在入组前应对研究者保密，防止选择性入组。

3. 伦理问题：随机化需符合伦理（如危重患者可能无法接受安慰剂）。

示例：一项降压药RCT设计

• 目标：比较新药A vs 标准药B的降压效果。

• 步骤：

  1. 招募200名高血压患者。

  2. 按年龄和基线血压分层后，区组随机化分配（每组100人）。

  3. 双盲给药，定期测量血压。

  4. 统计分析组间差异。

通过随机化，可确保两组除用药外其他因素（如生活习惯）均衡，最终差异归因于药物本身。