实验研究中的随机化分组及R语言实现 – Chi's blog

Reading time ~5 minutes

Shen, Chi

Oct 21 2021, Xi‘an

实验研究作为因果推断效能最高的一种研究设计，被广泛应用于医学及社会科学研究中。在实验研究中又以随机对照试验（Randomised Controlled Trials，RCT）最为常见。RCT研究一个最明显的特点就是随机化（Randomization）施加干预[1]，随机化和盲法是RCT研究的基石[2]。随机化干预的重要性在于可以有效避免选择或其他偏倚，提供统一的统计分析方法，以及为精确检验显著性和区间估计提供基础[3,4]。在具体的研究中，随机化干预的基础是对干预对象进行随机分组，然而，在现有针对本科生和研究生阶段学习的统计教材中，却缺少对随机分组方法以及其具体实现方法的详细介绍，一定程度上不利于青年研究者将RCT方法应用到具体的研究实践中。尽管已有文献报道了基于SAS和Stata的随机分组方法[5–7]，但是相较于SAS和Stata而言，R语言安装与使用更为简便，并且由于其开源免费的特性更易于获取。因此，本文基于已有文献，详细介绍三种随机分组的具体方法和操作过程，以及提供基于R语言的实现代码，供其他学者在具体研究中作为参考。

随机化的概念最早由Fisher于1926年提出[8]，其后被广泛应用于实验研究中，已成为控制干预组和对照组之间混杂偏倚的必要手段。随机化具体指将受试者按照相同的概率分配在干预组和非干预组的过程[9]，根据实验设计的样本大小以及受试者招募时间长短等因素的不同，随机化分组方法很多种，但较为常用的有三种[1]：简单随机分组（simple randomization）、区组随机分组（block randomization）和分层随机分组（stratified randomization）[10]。具体如下：

1）简单随机分组是指按照一组随机序列将受试者以相同的概率分配至不同的实验组中，最典型的简单随机分组方法是抛硬币（flipping a coin）。简单随机分组操作容易，但是存在一个明显的不足，即当受试者样本量较小时，无法保证纳入不同实验组的受试者数量相等[10,11]。一般认为当受试者样本量小于200时不宜采用简单随机分组[10]。实际上，在具体的研究过程中（如临床药物试验），通常要求干预组和对照组所分配的受试者数量相等或达到一定的比例，因此即使样本量大于200简单随机分组也不适用。然而，在实际研究过程中，会对简单随机分组方法进行一定的变化以满足研究设计需要，具体见下节。

2）区组随机分组是指先根据受试者样本量大小及实验分组数量和组间比例设定好区组（block）的长度和数量，将特征相似或相同（如入组时间、地区来源）的受试者编入同一区组，然后在每个区组内部进行简单随机分组。区组随机分组可以有效保证不同的实验组中所分配的受试者数量严格满足研究设计要求。不仅如此，区组随机分组的另一个优势在于，当入组后的受试者出现某种不满足实验要求而需退出实验时，可以直接将该受试者所在的区组舍弃另外补充新的区组，而不破坏整个实验的随机化。

3）分层随机分组是指先按已知的混杂因素对受试者进行分层后，再在各个层内采用简单随机或者区组随机方法将受试者分配至不同的实验组。分层随机分组可以在实验设计阶段就对部分混杂因素进行控制，从而提高不同实验组中受试者的基线均衡性[11]。

需要补充的是，在实际研究过程中，很难一次性招募足够的受试者，然后再为受试者分配随机号进行随机分组工作。通常情况是会设定一段时间（一个月或三个月，视具体情况而定）的招募入组期，当有受试者满足入组条件后就需要进行随机分组，既而接受相应的干预，因此，这就需要在受试者入组之前准备好随机分组规则，受试者根据进入研究的顺序，依据预先准备好的随机分组表进入相应的实验组。

简单随机分组的基本步骤一共有五点：1）按照实验设计的受试者样本量生成受试者编号；2）利用随机函数生成与受试者编号数量相等的随机数字；3）对生成的随机数字进行编秩；4）根据实验设计的组数及分组比例，对随机数字的秩序按照大小或者奇偶数进行分组；5）获得符合实验设计要求的随机分组表。本文提供了一段基于R语言的自编函数，能够满足两组及以上分组且不同组间比例的简单随机分组需求，自编函数代码及具体含义如下：