群随机试验(安医)教材.ppt

群随机试验设计及其在公共卫生中的应用 前言 评价临床药物治疗效果时，对观察个体随机分组并设立对照进行研究的方法，即个体随机对照临床试验(IRCT)，已是医学界公认的评价干预措施是否有效的“金标准(Gold Standard)” 特征：研究对象所接受的干预措施是治疗性的，如：药物、手术、放疗、介入等，是这种个体化的随机对照临床试验的一个鲜明特征。 目的：观察干预对某一个体的有效性和安全性。 前言 公共卫生研究中，干预措施往往是非治疗性的，如：疫苗接种、健康宣教、生活方式改变、卫生照料制度改进等；观察的对象也不再是个体而往往是群体（社区、学校、家庭等）。因此其研究设计和数据分析与传统个体随机试验不同。 近年发展起来的群随机试验设计与统计分析方法为非治疗性干预措施的评价提供了一套新方法，并在国外已被逐渐认同为是进行非治疗性干预措施评价的“金标准”。 何谓群随机试验？ 群随机试验(cluster randomization trial, CRT)是指将一些完整的社会群体，而不是将单个观察个体随机分配到不同干预组的研究方法。有时也称成组随机试验(group randomization trails)。 群随机的单元多种多样，可以小到家庭、病房、班级，大到学校、医院、工厂乃至整个社区。 也已见将运动队、部落、宗教团体和性倾向群体作为群随机单元的报道。 区别于传统随机试验和整群抽样调查 群随机试验和传统随机试验间鲜明而重要的区别： 随机化单位和统计推断单位间的不一致 群随机试验和整群随机抽样调查的本质区别： 整群抽样是从确定的总体中随机抽取一定数量的群, 但并不涉及将这些群随机分配到不同组进行干预试验。 群随机试验的特点 群间变异 同一群内个体的反应比不同群间个体的反应有更大的相似性，从而造成的群间变异是群随机试验有别于个体随机试验的主要特点，也是群随机试验的一个重要特征。 在进行群随机试验设计与数据分析时，必须考虑到群变异。 造成群间变异的原因 群间变异的原因 群内观察个体的选择 某些重要的环境特征 传染病在群体中传播的特征 群内个体的相互影响 为什么要采用群随机试验？ 满足伦理学要求 降低研究费用 控制实验污染（Experimental Contamination) 从现有文献看，控制实验污染是最常见的原因 采用群随机试验实例(一) Sommer等报道的补充维生素A对儿童死亡率影响的群随机试验中，印度尼西亚的450个村庄被随机分配到维A补充组和对照组。采用个体随机设计是不可行的，且很可能发生试验组误服安慰剂，对照组误服维Ａ的实验污染。 COMMIT试验:设置配对社区时，既考虑到社区间的距离不要太远，以免增加调查、监测和干预上的难度，又不宜太近，以免在试验社区中进行的健康教育活动影响到不开展健康教育活动的对照社区，有效降低了实验污染。 采用群随机试验实例(二) 爱丁堡乳腺癌试验 随机选取社区医疗单位而不是个体病人作为实验组和对照组。 *事先无法得到完整的病人名单用于抽样的实际问题 *随机选取病人将会产生实验污染 研究者认为，若对照组妇女知道试验组妇女可得到定期医学检查，她们也将要求医生对其进行定期医学检查。 在这个调查中对每个妇女进行随机分配根本就不会被全科医生和他们的病人所接受。 采用群随机试验实例(三) 一些现实问题也会影响对群随机设计的选择： Farr等研究某种滴鼻剂和安慰剂对降低呼吸道疾病发病率的效果，随机分配的单元是家庭而非个人，他们认为将家庭成员安排在同一治疗组内会提高顺从性。 传染病的人群研究中常常需要采用群随机设计： 根据免疫学原理，有些没有注射疫苗的人因群体免疫的效应而得到了免疫保护 ，在减毒活疫苗的人群试验中这一现象尤其突出。 因此，对这类试验，随机分配个体是不合适的。 误用传统试验设计与统计方法分析群随机试验不良后果 将适合于分析个体随机试验的统计方法应用于分析群随机试验实际上是在玩弄一种自我欺骗的数字游戏，这样的分析结果不应被接受。 -- 美国流行病学家Gounfield 这是因为，群内各个体间存在相互影响，是非独立的，这样就不能采用传统统计方法进行样本含量估计和数据分析。 传统的样本含量估计公式将低估群随机试验的样本含量，结果往往是抽取的研究对象太少，研究的把握度太低而不能得出预期结果； 传统统计方法的数据分析意味着已假定群内个体间相互独立，