《中医药与中西医结合临床研究方法指南》：
1）分层（stratification）：在小规模单中心临床试验中，应该重点关注疾病、干预措施疗效以及可能独立影响治疗效果的潜在的可预测因素。因为对于大样本试验来说，混杂因素通常会在两组之间平均分配。而对于样本量较小的试验来说，特别是存在一些显著影响结果的变量时，通过“分层”来确保这些变量在两组之间的平衡是十分重要的。此外，多中心临床试验的单个中心往往是独立的分层因素。由于参与同一个研究的受试者及其预后在不同的临床实践或医院条件下可能不同，因此确保每个研究中心分配到相似数量的受试者进入试验组或对照组是非常重要的。分层的另一个原因是平衡亚组中的受试者，以进行有用的亚组分析，例如，不同的中医诊断模式。这将有利于测量哪个中医亚型比其他多或更少地影响治疗效果，它将成为分析试验以及在设计用于未来相关的研究的有用数据。该试验设计允许根据辨证进行个性化的中药治疗。在这种类型的试验中，受试者不仅应该被设盲从而不知道被施加了何种干预，也应该不知道任何关于他们的辨证信息。
2）整群（定群，clustering）：多中心临床试验的随机可能会出现各种各样的问题。同种治疗在每个中心的执行情况可能不同，或者可能同一个中心实施情况相同而不同中心之间不同，导致结局可能出现中心“聚集”效应。我们应尽一切努力使受试者招募、样本量和所有数据分析做到标准化，考虑可能存在的整群效应。因此可以考虑将每个参与这项研究的医生当作一个治疗“中心”，通过统计分析评估不同的医生对临床结果的影响程度。分析多中心临床试验时，对于理解和解释整群效应感兴趣的医生可以参考这种方法。
3）协变量适应性随机化（covariate adaptiveran-domization）：不同的试验有不同的试验设计、不同的目的或需要考虑不同的预后因素，协变量适应性随机化也称为最小化法（或称中央随机化），它要求对协变量的当前状态进行不断更新，以达到影响临床治疗效果的预后因子的协变量平衡。适应性随机化无法在试验开始之前编制随机表，需根据已随机进入各组的受试者数量、影响疗效的预后因素的协变量均衡或之前分配给受试者的治疗反应成功或失败对当前受试者的分配概率进行调整，确定其分组概率。例如，在抗肿瘤药物的临床试验中，疾病的分期、病理分型、年龄等因素对治疗效果的影响很大，这时用分层随机化很难保证各组的例数和预后因素相接近且同时分析用病例数又足够。
……
展开
