更改

===分层内的区块随机试验===

===分层内的区块随机试验===

'''<font color="#ff8000"> 区块随机试验 Block randomization </font>'''，有时称为置换区块随机试验，应用区块将来自同一阶层的受试者平均分配到研究中的每个组。 在区块随机试验中，指定了分配比率（一个特定组与其他组的数量之比）和组大小。 块大小必须是处理次数的倍数，以便每个层中的样本可以按预期比例分配到处理组。<ref name=":0">{{Cite book|last=Pocock, Stuart J.|title=Clinical trials : a practical approach|publisher=John Wiley & Sons Ltd|date=Jul 1, 2013|isbn=978-1-118-79391-6|location=Chichester|oclc=894581169}}</ref>例如，在一项关于乳腺癌的临床试验中，应该有 4 或 8 个层次，其中年龄和淋巴结状态是两个预后因素（prognostic factors），每个因素分为两个水平。 可以通过多种方式将不同的区块分配给样本，包括随机列表（random list）和计算机编程。<ref>{{Cite web|url=https://www.sealedenvelope.com/help/redpill/latest/block/|title=Sealed Envelope {{!}} Random permuted blocks|date=Feb 25, 2020|website=www.sealedenvelope.com|access-date=2020-04-07}}</ref><ref>{{Citation|last1=Friedman|first1=Lawrence M.|title=Introduction to Clinical Trials|date=2010|work=Fundamentals of Clinical Trials|pages=1–18|publisher=Springer New York|isbn=978-1-4419-1585-6|last2=Furberg|first2=Curt D.|last3=DeMets|first3=David L.|doi=10.1007/978-1-4419-1586-3_1}}</ref>

'''<font color="#ff8000"> 区块随机试验 Block randomization </font>'''，有时称为置换区块随机试验，应用区块将来自同一阶层的受试者平均分配到研究中的每个组。 在区块随机试验中，指定了分配比率（一个特定组与其他组的数量之比）和组大小。 块大小必须是处理次数的倍数，以便每个层中的样本可以按预期比例分配到处理组。<ref name=":0">{{Cite book|last=Pocock, Stuart J.|title=Clinical trials : a practical approach|publisher=John Wiley & Sons Ltd|date=Jul 1, 2013|isbn=978-1-118-79391-6|location=Chichester|oclc=894581169}}</ref>例如，在一项关于乳腺癌的临床试验中，应该有 4 或 8 个层次，其中年龄和淋巴结状态是两个预后因素（prognostic factors），每个因素分为两个水平。 可以通过多种方式将不同的区块分配给样本，包括随机列表和计算机编程。<ref>{{Cite web|url=https://www.sealedenvelope.com/help/redpill/latest/block/|title=Sealed Envelope {{!}} Random permuted blocks|date=Feb 25, 2020|website=www.sealedenvelope.com|access-date=2020-04-07}}</ref><ref>{{Citation|last1=Friedman|first1=Lawrence M.|title=Introduction to Clinical Trials|date=2010|work=Fundamentals of Clinical Trials|pages=1–18|publisher=Springer New York|isbn=978-1-4419-1585-6|last2=Furberg|first2=Curt D.|last3=DeMets|first3=David L.|doi=10.1007/978-1-4419-1586-3_1}}</ref>

===最小化方法===

===最小化方法===

为了保证每个处理组的相似性，尝试了“最小化”方法，这比分层内的随机排列块更直接。在最小化方法中，根据每个处理组中的样本总和将每个层中的样本分配到处理组中，这使得受试者数量在组间保持平衡。<ref name=":0" /> 如果多个治疗组的总和相同，则将进行简单的随机化以分配治疗。在实践中，最小化方法需要根据预后因素（prognostic factors）跟踪治疗分配的每日记录，这可以通过使用一组索引卡进行记录来有效完成。最小化方法有效地避免了组间不平衡，但比块随机化涉及的随机过程更少，因为随机过程仅在治疗的总人数相同时进行。一个可行的解决方案是应用额外的随机列表，这使得具有较小边际总数的总和的治疗组具有更高的机会（例如 ¾），而其他治疗具有较低的机会（例如 ¼）。<ref name=":1">{{Cite journal|last=Pocock|first=S. J.|date=March 1979|title=Allocation of Patients to Treatment in Clinical Trials|journal=Biometrics|volume=35|issue=1|pages=183–197|doi=10.2307/2529944|jstor=2529944|pmid=497334|issn=0006-341X}}</ref>

为了保证每个处理组的相似性，尝试了“最小化”方法，这比分层内的随机排列块更直接。在最小化方法中，根据每个处理组中的样本总和将每个层中的样本分配到处理组中，这使得受试者数量在组间保持平衡。<ref name=":0" /> 如果多个治疗组的总和相同，则将进行简单的随机化以分配治疗。在实践中，最小化方法需要根据预后因素 prognostic factors跟踪治疗分配的每日记录，这可以通过使用一组索引卡进行记录来有效完成。最小化方法有效地避免了组间不平衡，但比块随机化涉及的随机过程更少，因为随机过程仅在治疗的总人数相同时进行。一个可行的解决方案是应用额外的随机列表，这使得具有较小边际总数的总和的治疗组具有更高的机会（例如 ¾），而其他治疗具有较低的机会（例如 ¼）。<ref name=":1">{{Cite journal|last=Pocock|first=S. J.|date=March 1979|title=Allocation of Patients to Treatment in Clinical Trials|journal=Biometrics|volume=35|issue=1|pages=183–197|doi=10.2307/2529944|jstor=2529944|pmid=497334|issn=0006-341X}}</ref>

当研究人员打算寻找两个或多个层次之间的关联时，分层随机化很有帮助，因为简单的随机抽样会导致更大的可能出现目标群体的不平等代表性。当研究人员希望消除观察性研究中的'''<font color="#ff8000"> 混杂因素 Confounder </font>'''时，它也很有用，因为分层随机试验允许调整'''<font color="#ff8000"> 协方差 Covariances </font>'''和 '''<font color="#ff8000"> p 值 p-values </font>'''以获得更准确的结果。 <ref>{{Cite book|last=Hennekens, Charles H.|title=Epidemiology in medicine|date=1987|publisher=Little, Brown|others=Buring, Julie E., Mayrent, Sherry L.|isbn=0-316-35636-0|edition=1st|location=Boston, Massachusetts|oclc=16890223}}</ref>

当研究人员打算寻找两个或多个层次之间的关联时，分层随机化很有帮助，因为简单的随机抽样会导致更大的可能出现目标群体的不平等代表性。当研究人员希望消除观察性研究中的'''<font color="#ff8000"> 混杂因素 Confounder </font>'''时，它也很有用，因为分层随机试验允许调整'''<font color="#ff8000"> 协方差 Covariances </font>'''和 '''<font color="#ff8000"> p 值 </font>'''以获得更准确的结果。 <ref>{{Cite book|last=Hennekens, Charles H.|title=Epidemiology in medicine|date=1987|publisher=Little, Brown|others=Buring, Julie E., Mayrent, Sherry L.|isbn=0-316-35636-0|edition=1st|location=Boston, Massachusetts|oclc=16890223}}</ref>