浅谈mea分析中的随机化.docxVIP

浅谈mea分析中的随机化 由于总结分析是对原始研究的重复定量研究，原始研究的质量是影响整体总结分析质量的重要组成部分。若Meta分析纳入的原始研究质量低, 且未对原始研究方法学质量进行正确评价, 其结果和结论可能是不正确的, 甚至是有害的, 从而对临床实践造成误导。因此, 需要Meta分析制作者对纳入的原始研究进行正确、有效的质量评价, 包括Cochrane Handbook在内的各种报告规范中也将纳入研究的质量评价作为一个必须的环节。本文将对从随机化的概述、评判标准、疑问及实例描述4个方面对如何评价随机化进行介绍。 1 总结 1.1 随机的随机分配 随机 (random) :A Dictionary of Epidemiology (第5版) 将随机定义为“Governed by chance;not completely determined by measurable factors”, 因此, 不难理解成“随机, 是机遇而非选择”, 即是自然产生的, 没有人为的干预因素。 随机化 (randomization) :随机化又称为随机分配 (random allocation) , 是临床科研的重要方法和基本原则之一, 是指将研究对象随机地分配到对照试验的各个组 (arms) 。随机化包括随机序列的产生和实施两大要素, 理想的结果是纳入研究的受试对象不知道该序列。 半/类随机化 (quasi-random allocation) :半随机化也称为假随机化 (pseudo randomization) , 是指纳入研究对象的分配方法并不是真正意义上随机 (random) , 但在分配研究对象时意在使用一种能够产生可比性好的组别的方法。半随机的方法包括:根据研究对象的生日、星期几或某个月、研究对象的门诊号或住院号或研究对象的入组顺序等。在实践中, 这些非随机化的方法相对容易操作, 但会导致选择性偏倚。 1.2 随机分组法 在研究设计中, 随机化的方法有两种形式: (1) 随机抽样 (random sample) , 指的是被研究的对象从被研究的目标人群中, 借助于随机抽样的方法, 使目标人群中的每一个个体, 都有均等的机会被选择作为研究对象。 (2) 随机分组 (random allocation) , 指将随机抽样得到的样本 (或非连续性的非随机抽样的样本) , 应用非随机化分组的方法, 使其都有均等的机会进入“试验组 (intervention) ”或“对照组 (control) ”接受相应的试验处理。 能够生产随机化序列的方法有很多种, 常见的主要有: (1) 简单/非限制性的随机法 (simple/unrestricted randomisation) , 如掷硬币等。 (2) 有限制的随机化法 (restricted randomisation) , 如区组法、瓮随机法等。 (3) 分层随机化法 (stratified randomisation) 。 1.3 方法的必要性 正确地使用随机化, 可以带来以下三个方面的益处: (1) 最大限度的减少或消除分配治疗方案时的选择或混杂偏倚, 产生无偏倚的对照组。 (2) 有利于对研究实施盲法, 也使使用安慰剂成为可能。 (3) 允许使用概率论来表示研究的各组间的结局差异是由机遇造成的可能性。 在2008年发表的针对期刊论文摘要和会议摘要的“CONSORT for abstracts”声明中, 建议应该在“Instructions to Authors”中要求作者在摘要里应明确陈述研究对象被随机分配到各试验组, 以及分配的方法。 2 评估标准 2.1 人为指定的随机方法 至今已经有多种进行随机化的方法, 然而, 这些方法不一定都是正确的。目前认为非正确随机的方法有:依据出生日期 (date of birth) 、病例记录号 (case record) 、就诊日期 (date of visting doctor) 、星期几 (day of the week) 、身份证号尾数, 研究对象出现的时间或入组的顺序 (presenting or enrollment order) 等等这样的人为指定的方法。这些看似随机化的方法其实却是非随机的, 研究者们有时候可能是无意识的, 有时候可能是未吃透定义所致。当然, 与完全非随机化相比, 这些非正确的随机化的方法也在一定程度上限制了选择偏倚和混杂偏倚, 故也称之为“半/类/假随机化”。 正确的随机方法可分为手工的方法和计算机/计算器随机的方法。手工的方法有掷硬币法 (coin-tossing) 、掷骰子 (dice-throwing) 、抽签/抓阄法 (lot-drawing) 以及分发事先洗好的牌, 这些方法是合理的生成简单完全随机序列