Editverse Kostenloser Rechner
Randomisierungssequenzgenerator für klinische Studien
Generieren Sie eine reproduzierbare Zuteilungssequenz für eine Studie – einfache, blockweise oder stratifizierte Randomisierung mit festem Startwert – und kopieren Sie den exakten R-Befehl hinter das Ergebnis. Eine vollständige Anleitung folgt unten. Validiert mit R 4.3.3.
In einfachen Worten
Die Randomisierung ordnet die Teilnehmenden den Behandlungsgruppen per Zufall zu. Dadurch werden Selektionsverzerrungen vermieden und bekannte wie unbekannte Störfaktoren zwischen den Gruppen ausgeglichen. Die korrekte Reihenfolge wird durch einen definierten Zufallsprozess generiert, nicht durch Abwechslung, Datum oder etwas, das ein Rekrutierer vorhersagen könnte.
Die Blockrandomisierung sorgt für ausgeglichene Gruppengrößen während des Rekrutierungsprozesses durch Randomisierung innerhalb kleiner Blöcke, während die stratifizierte Randomisierung wichtige prognostische Faktoren durch separate Randomisierung innerhalb jeder Schicht ausgleicht. Ein protokollierter Zufallsstartwert gewährleistet die Reproduzierbarkeit und Nachvollziehbarkeit des gesamten Ablaufs.
Wann welche Randomisierungsmethode anwenden?
Bei großen Studien, in denen die Gruppen durch Zufall ausgeglichen bleiben, empfiehlt sich die einfache Randomisierung. Blockrandomisierung ist dann sinnvoll, wenn während der gesamten Rekrutierungsphase, insbesondere in kleineren Studien, ausgeglichene Gruppengrößen erforderlich sind. Stratifizierte Randomisierung kommt zum Einsatz, wenn wenige starke prognostische Faktoren über die Studienarme hinweg ausgeglichen sein müssen.
Unabhängig von der gewählten Methode muss die Sequenz vor den Teilnehmerrekrutierenden Personen geheim gehalten werden – die Verschleierung der Generierung und der Zuteilung sind separate Sicherheitsvorkehrungen, die beide erforderlich sind. Notieren Sie den Startwert und die Parameter, damit die Sequenz reproduzierbar ist. Wählen Sie für das Studiendesign eine angemessene Stichprobengröße . Sie sind sich nicht sicher, welches Schema für Ihre Studie geeignet ist? Unser Testselektor hilft Ihnen weiter.
set.seed({seed}) arms <- trimws(strsplit("{arms}", ",")[[1]]); blocks <- c({blocks}); n <- {n} strata <- trimws(strsplit("{strata}", ",")[[1]]); scheme <- "{scheme}" gen <- function(n) { if (grepl("Simple", scheme)) return(arms[sample.int(length(arms), n, replace = TRUE)]) out <- character(0) while (length(out) < n) { b <- blocks[sample.int(length(blocks), 1)] out <- c(out, sample(rep(arms, length.out = b))) } out[1:n] } if (grepl("Stratified", scheme)) lapply(setNames(strata, strata), function(s) gen(n)) else gen(n)Benutzerhandbuch
Anwendungsfall: Erzeugt eine reproduzierbare Speicherbelegungsliste (einfach, permutiert-block oder stratifiziert) mit einem gespeicherten Startwert. Der R-Befehl gibt die exakte Liste wieder.
Annahmen. Die Liste wird von einer Person verwaltet, die unabhängig vom Rekrutierungsprozess ist (Verschleierung der Zuteilung); der Seed und die Liste werden archiviert.
Häufige Fehler. Verwenden Sie in unverblindeten Studien keine feste Blockgröße (die letzten Zuordnungen werden vorhersehbar). Einfache Randomisierung kann bei kleinen Studien zu einem Ungleichgewicht führen. Dynamische Methoden wie die Minimierung erfordern spezielle Software.
Ausgearbeitetes Beispiel
Klicken Sie oben auf „Beispieldaten laden“ und anschließend auf „Analyse ausführen“ , um ein vollständig ausgearbeitetes Ergebnis mit Abbildung, Formel und Interpretation für diesen Test anzuzeigen.
Referenzen
- Schulz KF, Grimes DA. Generierung von Zuteilungssequenzen in randomisierten Studien. Lancet. 2002;359:515-519.
- Kim J, Shin W. Wie man eine Randomisierung durchführt. Clin Orthop Surg. 2014;6(1):103-109.
Ausgearbeitete Beispiele
Beispiel 1 – Blockrandomisierung
Bei einer zweiarmigen Studie mit Viererblöcken enthält jeder Block zwei A- und zwei B-Zuordnungen in zufälliger Reihenfolge. Nach jeweils vier Teilnehmern sind die Gruppen exakt ausgeglichen, sodass ein vorzeitiger Abbruch immer noch vergleichbare Gruppen hinterlässt – ein Vorteil bei kleineren Studien.
Beispiel 2 – Stratifizierte Randomisierung
Wenn der Schweregrad der Erkrankung den Krankheitsverlauf maßgeblich beeinflusst, sollte die Randomisierung innerhalb der Gruppen mit mildem und schwerem Verlauf separat erfolgen, jeweils mit eigener Blocksequenz. Dies gewährleistet eine ähnliche Verteilung der Schweregrade in beiden Studienarmen und verhindert ein zufälliges Ungleichgewicht hinsichtlich eines wichtigen prognostischen Faktors.
Zu prüfende Annahmen
Ein echter Zufallsprozess. Die Sequenz muss von einem definierten Zufallsgenerator mit einem aufgezeichneten Startwert stammen, niemals aus Abwechseln, Geburtsdaten oder der Reihenfolge der Zulassung.
Zuteilungsverschleierung. Diejenigen, die Teilnehmer anmelden, dürfen die nächste Zuteilung nicht vorhersehen können; eine generierte Sequenz ist nur dann sicher, wenn sie bis zur Zuteilung geheim gehalten wird.
Sinnvolle Blockgröße. Zu kleine Blöcke mit fester Größe werden gegen Ende jedes Blocks vorhersehbar; variable Blockgrößen verringern dieses Risiko.
Häufige Fehler
Verwechslung von Generation und Verschleierung
Selbst eine perfekt zufällige Abfolge kann untergraben werden, wenn Personalvermittler die bevorstehenden Einsätze einsehen können. Generierung und Verschleierung sind voneinander getrennt und beide unerlässlich.
Verwendung von vorhersehbaren festen Blöcken
Kleine, feste Blockgrößen lassen die Mitarbeiter die letzte Aufgabe in jedem Block erraten. Verwenden Sie zufällige oder größere Blockgrößen, um die Zuteilung unvorhersehbar zu gestalten.
Pseudorandomisierung nach Datum oder Reihenfolge
Die Zuteilung nach Wechsel, Wochentag oder Aufnahmenummer ist keine Randomisierung und führt erneut zu Selektionsverzerrungen.
Die Saat wird nicht aufgezeichnet
Ohne den Zufallsgenerator und die Zufallsparameter kann die Sequenz weder reproduziert noch überprüft werden, was die Transparenz des Verfahrens beeinträchtigt.
Häufig gestellte Fragen
Worin besteht der Unterschied zwischen einfacher und Blockrandomisierung?
Bei der einfachen Randomisierung werden die Teilnehmer unabhängig voneinander zugeordnet; bei der Blockrandomisierung werden die Gruppengrößen durch Randomisierung innerhalb kleiner Blöcke ausgeglichen.
Warum stratifizieren?
Durch die Stratifizierung werden starke prognostische Faktoren in den verschiedenen Gruppen ausgeglichen, wodurch ein zufälliges Ungleichgewicht bei Variablen, die das Ergebnis stark beeinflussen, verhindert wird.
Was versteht man unter Zuteilungsverschleierung?
Die bevorstehende Zuteilung wird vor den Teilnehmeranmeldern geheim gehalten, damit die zufällige Reihenfolge bei der Zuteilung nicht manipuliert werden kann.
Stimmt das Ergebnis mit R überein?
Ja. Der Generator verwendet die Standard-R-Randomisierung mit einem aufgezeichneten Startwert und zeigt den Befehl an, sodass die genaue Sequenz reproduziert werden kann.
Verwandte Rechner
Referenzen
- Schulz KF, Grimes DA. Generierung von Zuteilungssequenzen in randomisierten Studien: Zufall, nicht Wahl. Lanzette. 2002;359(9305):515–519. PMID 11853818.
- Schulz KF, Grimes DA. Zuteilungsverschleierung in randomisierten Studien: Schutz vor Entschlüsselung. Lanzette. 2002;359(9306):614–618. PMID 11867132.
- Schulz KF, Altman DG, Moher D. CONSORT 2010 Statement: updated guidelines for reporting parallel group randomised trials. BMJ. 2010;340:c332.
Benötigen Sie diese Analyse für Ihr Manuskript?
Unser Team erstellt reproduzierbare Randomisierungspläne – einfache, Block- oder stratifizierte mit verdeckter Zuteilung – und dokumentiert den Startwert und die Parameter für eine vollständige Nachvollziehbarkeit.