最小化随机算法—保证试验条件均衡性的得力工具

文章预览

1  算法简介 最小化随机算法是一种可以不断自我调节的动态随机算法，它可以在样本量较少而控制因素较多的临床研究中使各处理组间达到均衡，该算法是通过在试验进行过程中不断评估每一个受试者进入所有可选处理组后对各控制因素和水平造成的不均衡程度来决定最终进入哪个处理组。 最小化法自提出以来就备受关注，被誉为临床试验的“铂金标准”。其均衡能力强，在小样本及有多个重要预后因素的临床试验中优势尤为突出。 2  算法原理 最小化法 (minimization) 是一种动态随机 (dynamic randomization 或 adaptive randomization) 算法，于 1974 年由 Tares 在偏性掷币 (biased coin) 方法的基础上发展而来，其基本原理是：在试验开始前确定对结果有重要影响的预后因素，根据已入组病例预后因素的组件分布情况，将新病例分到使组间预后因素分布差异最小的一 ………………………………