统计|SAS实现临床试验前动态随机化

与传统随机化方法相比，动态随机化法的不同之处在于，动态随机化在分配过程中，每一个受试人员进入某一组的概率不会一直保持固定，而是按照前面已入组个体的情况不断地进行变更，从而达到维持所有试验组之间非研究因素达到平衡的目的。每当有新的受试人员进入试验，研究者首先要假设该受试人员进入每一个组的情况，通过统计每组累计的各因素各水平的数目，并乘以一定的权重w（非研究因素间的相对重要性，下面设定为1），来计算不同分配情况下的均衡程度，两相比较后，最后以某一概率（如80%）将受试人员分入某一假设情况下试验组因素间差最小的试验组，以保持良好的均衡性。

假设试验中有N个试验组，M个非处理因素，各因素的水平数分布为LM，Xijk为第i个试验组中因素j水平k的人数（i=1,2,…,N；j=1,2,…,M；k=1,2,…,LM）。受试者入组时，要首先考虑其进入不同试验组后产生的情况。

假设某3因素2水平（2×2×2）的试验需入组一名各因素分别为1,1,2水平（圆括号表示）的受试人员，原有受试人员的累计数量如表1、表2（非圆括号的数字表示两组已入组人员的因素水平的累计情况）：

由表1，表2分别计算出假设新受试个体进入两试验组的情况下，试验组内每个因素的累计水平数即Xijk，再计算表示在与新个体相同因素水平下组1和组2之间的差异Djk值。Pocock和Simon提出了四种计算Djk值的方法，包括极差法、方差法、最大限值法和符号法，其中最常用的是极差法（Djk=|Xi1jk-Xi2jk|）和方差法（Djk=Var(Xi1jk,Xi2jk,…,XiNjk)），这里使用极差法。

假设受试者进入组1时，组1和组2之间的各因素水平差Djk为：

D11=|X111-X211 |=1,

D21=|X121-X221 |=1,

D32=|X111-X232 |=2,

计算总的不均衡值（不妨假设因素重要性相同，权重w全部设定为1），

G1=w1 D11+w2 D21+w3 D32=4.

假设受试者进入组2时，组1和组2之间的各因素水平差Djk为：

D11=|X111-X211 |=3,

D21=|X121-X221 |=1,

D32=|X111-X232 |=4,

计算总的不均衡值（不妨假设因素重要性相同，权重w全部设定为1），

G2=w1 D11+w2 D21+w3 D32=8.

w为各因素的权重，这里全部设为1。由于G1<G2，受试个体进入组1时两组的非研究因素差值较小，表示进入组1时两组的均匀性比进入b组要好，所以设定新的受试者进入组1的概率更高80%）。在实际应用中，若出现G1=G2，优先进入例数少的组，若例数在两组也相等，则进入每组的概率相等。相对于其他的随机化方法，动态随机化综合考量了全部非处理因素的平衡，即使在受试者总人数较少的情况下也能保证良好的均衡性。

SAS9.4代码（八因素（水平不限）动态随机化）

sas程序结果如下，work.test数据集中给出了新个体010的分组分组结果，如再有新个体011，在patient数据集中录入新个体各因素数并将全局宏变量nobs赋值为11即可.

【免责声明】文章为网络整理，不代表“法迈医讯”立场。如因作品内容、版权等存在问题，请于本文刊发30日内联系法迈医讯进行删除或洽谈版权使用事宜。