useimmissa arvioinneissa arvioidaan interventioita, jotka tapahtuvat yksilöitä suuremmissa yksiköissä. Nämä voivat olla terveydenhuoltojärjestelmän valuma-alueita, kouluja, maantieteellisiä alueita tai jopa maita. Joissakin tapauksissa on asianmukaista ja mahdollista jakaa satunnaisesti interventiotoimenpiteet näiden suurempien yksiköiden tasolla ja soveltaa siten tehokkainta ja luotettavinta lähestymistapaa sekoittamisen vähentämiseen.
avainresurssit klusterin satunnaistettujen kokeiden oppimiseen
Uusi klusterin satunnaistetut kokeet-sivusto on kehitetty tukemaan klusterin satunnaistettujen kokeiden ja porrastettujen kiilamallien suorittajia ja niitä koskevien metodologisten tutkimusten suorittajia. Sivustolla on uusimmat julkaisut, ohjelmistot, keskustelut ja tapahtumat, jotka liittyvät clustered designiin.
tästä Richard Hayesin ja Lawrence Moultonin kirjasta on tullut alan johtava metodologinen teksti:
Cluster randomized Trials
Hayes R, Moulton L. Cluster randomized trials. Chapman and Hall/CRC Press , Boca Raton , FL, 2009
lyhyt yhteenveto siitä, mitä kirja tarjoaa näiden aiheiden osalta:
Klusterikohtaisten satunnaistettujen kokeiden perustelut ja rajoitukset
on useita tilanteita, joissa klusterikohtaiset satunnaistetut kokeet ovat sopivia ja ne voidaan valita muiden satunnaistettujen mallien sijaan. Jotkut interventiot on luonteeltaan tarkoitettu sovellettaviksi kokonaisiin yhteisöihin yksittäisten ihmisten sijaan, kuten koulutusohjelmiin tai kylien vesihuollon parantamiseen. Joissakin tapauksissa klusterikohtainen satunnaistaminen tarjoaa logistisempaa mukavuutta tai olisi hyväksyttävämpää, kun se toimitetaan koko väestölle eikä yksilötasolla. Satunnaistetut klusterikokeet ovat myös tehokas tapa välttää saastuminen, ja tämä on yksi yleisimmistä syistä tämän mallin hyväksymiselle. Lisäksi TPT: t mahdollistavat intervention sekä välittömien että välillisten vaikutusten kattamisen, mikä mittaa intervention täytäntöönpanon kokonaisvaikutusta koko väestössä. Tämä on erityisen hyödyllistä, kun tarkastellaan tartuntatauteja. Interventiota saavat hyötyvät sekä toimenpiteen välittömästä vaikutuksesta infektioherkkyyteen että epäsuorista massavaikutuksista, jotka vähentävät altistumista infektiolle.
harkittaessa klusterin satunnaistettua rakennetta näitä etuja on punnittava suhteessa rajoituksiin.Tilastointi ja kustannustehokkuus on tärkeää ottaa huomioon. Klusterin satunnaistetun tutkimuksen teho ja tarkkuus on pienempi kuin yksittäisen satunnaistetun tutkimuksen, ja useissa eri klustereissa työskentelyn logistiset näkökohdat voivat tehdä CRT: n kalliiksi toteuttaa. Muita kysymyksiä harkita ovat valinta bias, epätasapaino tutkimus aseita, ja yleistettävyys. Perusteluja sekä rajoituksia ja strategioita niiden minimoimiseksi käsitellään luvussa 3.
suunnittelunäkökohdat
hoitoryhmien Suunnitteluvalinnat
Rinnakkaisryhmien suunnittelu
tämä on yleisin malli sekä yksittäisissä että ryhmittäin satunnaistetuissa tutkimuksissa. Tämän mallin mukaan jokainen klusteri pysyy käsivarressa, johon se satunnaistettiin koko kokeilun ajan.
kolme tutkimushaaraa
kun otetaan huomioon CRTs: ään liittyvät kustannukset ja logistinen monimutkaisuus sekä vaikeus kirjata riittävästi klustereita riittävän otoskoon aikaansaamiseksi kussakin hoitohaarassa, suurin osa CRTs: stä noudattaa tutkimusasetelmaa, jossa klusterit satunnaistetaan vain kahteen hoitohaaraan. Kolmihaaraiset tutkimukset ovat joskus toteutettavissa, mutta CRTs, jossa on enemmän kuin kolme haaraa, ovat hyvin harvinaisia. Kun niitä tarkastellaan, ne noudattavat kuitenkin kahta pääasiallista lähestymistapaa.: Ensimmäisessä verrataan kahta eri interventiota kontrolliryhmään ja toisessa verrataan samaa interventiota, joka annetaan eri voimakkuustasoilla kontrolliryhmään, jotta saadaan annos-vasteanalyysi.
Factorial trials
tavanomaisesti kahden toimenpiteen vaikutuksen arvioimiseksi tarvittaisiin joko kahden kokeen suunnittelu tai kolmen hoitoryhmän tutkimus, jonka haittana on pienempi otoskoko kummassakin hoitoryhmässä. Factorial designs mahdollistaa kahden Intervention riippumattomien vaikutusten tutkimisen samassa kokeessa. Tämän etuna on kustannustehokkuus ja näytteen koon säilyttäminen. Suunnittelu kestää 2 X 2 asettelua, mikä johtaa neljään hoitohaaraan: yksi käsivarsi saa ensimmäisen intervention, toinen saa toisen intervention, käsivarsi saa molemmat interventiot ja lopuksi ohjausvarsi. Mallin tuloksena saadaan neljä hoitohaaraa, mutta kunkin toimenpiteen vaikutus arvioidaan vertaamalla kahden hoitohaaran relevanttia yhdistelmää jäljellä olevien kahden hoitohaaran yhdistelmään. Tämä lähestymistapa on pätevä vain, jos toimenpiteiden välillä ei ole vuorovaikutusta. Jos odotetaan tai toivotaan yhteisvaikutuksia, kahden toimenpiteen yhteisvaikutuksen tunnistamiseksi voidaan käyttää faktorimalleja, mutta suurempia otoskokoja voidaan vaatia.
Cross Over Design
tämän mallin tavoitteena on hallita ajan kehitystä. Tätä mallia käytetään yleisesti yksittäisissä satunnaistetuissa kokeissa, ja se on hyväksytty CRT: lle. Jokainen rypäs saa kaksi hoitoa, yksi toisensa jälkeen. Välillä on usein ajanjakso, jota kutsutaan poistumisajaksi siirtovaikutusten välttämiseksi.
Stepped Wedge Design
Klikkaa tästä saadaksesi lisätietoja tästä suunnittelusta.
klusterien tyyppi ja koko
yksi ensimmäisistä päätöksistä, jotka tehdään CRT: tä suunniteltaessa, liittyy kokeilun aikana satunnaistettavien klusterien valintaan ja määrittelyyn. Klustereita on monenlaisia ja niiden koko vaihtelee muutaman yksilön perheistä tai kotitalouksista suuriin maantieteellisiin alueisiin, joissa on miljoonia yksilöitä. Käytännön elementit tällaisten kokeilujen toteuttamiseksi ovat hyvin erilaisia. Luvussa 4 tarkastellaan erilaisia opintoklustereita ja käsitellään keskeisiä kysymyksiä, jotka on otettava huomioon klusterin koon valinnassa.
kontaminaatio
kontaminaatio tapahtuu, kun yhden klusterin vasteet vääristyvät, koska ne ovat kosketuksissa klusterin ulkopuolelta tuleviin henkilöihin, ja tätä voi edelleen esiintyä ja aiheuttaa merkittävän ongelman CRT: ssä. Tämä voi johtua interventioryhmien ja kontrolliryppäiden välisestä yhteydestä. Tämä voi johtua myös interventioryhmien tai kontrolliklusterien ja laajemman väestön välisestä yhteydestä. Strategioihin, joilla vähennetään SAASTUMISASTETTA CRT: ssä, kuuluu valita klustereita, jotka ovat riittävän kaukana ja hyvin erillään kustakin. Tilanteessa, jossa maantieteelliset vyöhykkeet on osoitettu joko interventio-tai valvonta-alueille eikä tietyille yhteisöille, puskurivyöhykkeitä käytetään siten, että klustereilla ei ole yhteistä rajaa niiden välillä. Näiden kahden strategian avulla varmistetaan, ettei kontaminaatiota esiinny interventio-ja valvontaryppäiden välillä. ”Paistetun munan suunnittelu” on strategia, jota käytetään vähentämään interventio-tai valvontaklustereiden ja laajemman väestön välisiä yhteyksiä. Saastumisen esiintymistapoja ja niiden vähentämisstrategioita käsitellään tarkemmin luvussa 4.
lähestymistavat tulosten mittaamiseen yksilöistä
kiinnostuksen kohteena olevat tulokset mitataan kustakin klusterista valitusta yksilöiden otoksesta. Mittayksilöillä on tuloksesta riippuen kaksi pääasiallista lähestymistapaa: poikkileikkaustutkimukset tai kohortit. Täydellinen keskustelu siitä, milloin kukin voidaan käyttää ja niiden etuja ja haittoja löytyy luvussa 8.
toistetut poikkileikkausnäytteet
Poikkileikkaustutkimukset edellyttävät, että jokaisesta ryppäästä otetaan toistuva näyte eri aikoina. Sitä käytetään, kun tuloksen mittana on binäärinen tulos (kuten HIV: n tai tupakoinnin yleisyys) tai kvantitatiivinen päätetapahtuma (kuten keskimääräinen kolesterolitaso tai lasten keskipituus).
kohortin seuranta
kohortin lähestymistapaan kuuluu valittujen henkilöiden seuranta ajan mittaan. Tätä käytetään, kun tuloksen mittarina on tapahtumien määrä tai riski tietyn seurantajakson aikana. Kohortti voi koostua klusterin kokonaispopulaatiosta tai satunnaisotoksesta. Kun kokonaisväestöä seurataan, on täsmennettävä, harkitaanko myöhemmin väestöön tulevia uusia ihmisiä vai rajataanko tutkimus vain lähtötilanteessa nähtyihin.
otoskoko
CRT: tä suunniteltaessa otoksen koko on yksi tärkeimmistä huomioon otettavista tekijöistä. Riittämätön otoskoko lisää satunnaisvirhettä, vähentää tutkimuksen tehoa ja siten vähentää kykyä kvantifioida vaikutusta tarkasti. Luvussa 7 esitetään yksityiskohtaisesti menetelmät, joita tarvitaan sopivan otoskoon valitsemiseksi CRT: tä varten. Tämä sisältää menetelmiä verraton, sovitettu, ja ositettu tutkimus malleja sekä menetelmiä valita sopiva otoskoko kunkin klusterin.
erityisiä suunnittelu-ja analyysimenetelmiä vaativat ominaisuudet
klustereiden välinen korrelaatio ja klustereiden välinen vaihtelu
yksittäisissä satunnaistetuissa tutkimuksissa yksilöiden oletetaan antavan tilastollisesti riippumattomia havaintoja kiinnostuksen tuloksesta. Tämä oletus ei kuitenkaan pidä paikkaansa CRT: ssä, sillä havainnot saman klusterin yksilöistä yleensä korreloivat keskenään. Tämä tarkoittaa sitä, että tieto yhden yksilön tuloksesta pyrkii antamaan tietoa toisen yksilön tuloksesta samassa ryppäässä. Klustereiden välinen korrelaatio esiintyy CRT: ssä kolmesta pääsyystä:
populaation ominaispiirteiden ryhmittely
eri populaatioiden välillä esiintyy eroja, jotka johtuvat kunkin klusterin muodostavien yksilöiden eroista, kuten demografisista tai sosioekonomisista ominaisuuksista, tai klusteritason muuttujien eroista, kuten klusterin ympäristöominaisuuksista.
Interventiovasteen vaihtelu
eri klusterit voivat reagoida eri tavoin tukitoimenpiteisiin, mikä johtaa tulosten vaihteluun klustereiden välillä, vaikka tulosten vaihtelua klustereiden välillä ei olisikaan ollut ennen tukitoimenpidettä.
yksilöiden välisestä vuorovaikutuksesta johtuva korrelaatio
Klusterikohtainen satunnaistaminen voi olla erityisen tärkeää interventiokokeissa, joissa yksi yksittäinen henkilö kyseisessä klusterissa voi vaikuttaa suoraan tai välillisesti tuloksiin muissa yksilöissä, kuten tartuntatautien vastaisissa interventioissa tai terveyskasvatusohjelmissa, joissa yhteisön jäsenet keskustelevat koulutusviesteistä, jotka johtavat samankaltaisuuteen käyttäytymisessä.
klustereiden välisen korrelaation laajuus riippuu muiden klustereiden olemassaolosta sekä klusterien luonteesta ja koosta. Klustereiden välinen korrelaatio riippuu muiden klustereiden olemassaolosta: sillä ei ole merkitystä, jos tutkittavana on vain yksi tutkimusjoukko, yhdessä klusterissa. Lisäksi, se on myös olemassa vain, jos on todellista vaihtelua tuloksia klustereiden välillä. Näin ollen klustereiden välinen korrelaatio ja klustereiden välinen vaihtelu voidaan ajatella vastaavina käsitteinä, jotka tarjoavat kaksi eri näkökulmaa samoihin taustalla oleviin ilmiöihin. CRT: stä voidaan tehdä päätelmiä, jotka riippuvat siitä, missä määrin klusterien välinen vaihtelu vaikuttaa kiinnostuksen tulokseen, joten ne olisi mitattava asianmukaisesti ja otettava huomioon CRT: n suunnittelussa ja analyysissä. Klusterien välinen vaihtelu voidaan tiivistää kahdella lähestymistavalla: klustereiden välinen variaatiokerroin ja klustereiden välinen korrelaatiokerroin. Niitä käsitellään perusteellisesti kirjan 2. luvussa.
Tutkimushaaran epätasapaino
käytännön ja taloudellisten rajoitteiden vuoksi CRT: hen satunnaistettujen klusterien määrä on usein melko pieni verrattuna yksilökohtaiseen satunnaistettuun tutkimukseen tyypillisesti rekrytoitujen yksilöiden määrään. Koska klustereita on vähän, satunnaistaminen ei takaa näiden kahden haaran tasapainoa, joten tutkimushaarojen välinen epätasapaino yhden tai useamman mahdollisen sekoittavan tekijän suhteen on riski, kun vain satunnaistetaan pieni määrä klustereita. Suunnittelustrategioita, kuten matching ja ositus, voidaan käyttää parantamaan tasapainoa hoitohaarojen välillä ja vähentämään klustereiden välistä vaihtelua. Niitä käsitellään luvussa 5, ja lisäksi annetaan ohjeita siitä, milloin näitä strategioita tulisi käyttää.
Matching voi auttaa minimoimaan hoitoryhmien väliset erot lähtötilanteen ominaisuuksiin nähden ja voi parantaa tutkimuksen tehoa ja tarkkuutta. Jos klusterien välillä on huomattavaa vaihtelua, voidaan päättää ryhmitellä ensin yhteen klusterit, joiden odotetaan olevan samanlaisia kiinnostuksen tulosten suhteen, ja jakaa kohtelu näiden ryhmien kesken. Ryhmittelemällä klusterit samanlaisiin pareihin varmistetaan, että hoitohaarat ovat lähtötilanteessa samanlaiset, ainakin niiden ominaisuuksien osalta, jotka haluamme sovittaa yhteen.
osituksessa käytettävissä olevat klusterit ryhmitellään kahteen tai useampaan ositteeseen, joiden odotetaan olevan samanlaisia korkotuloksen suhteen. Kunkin ositteen klusterit jaetaan satunnaisesti hoitohaarojen kesken. Ositus on useita etuja verrattuna hyväksytty muotoilu.
Täsmäytetyt ja ositetut mallit ovat esimerkkejä rajoitetusta satunnaistamisesta, koska näihin järjestelmiin kuuluu satunnaistaminen Pienemmästä kohderyhmästä, joka täyttää tietyt rajoitukset.
vaikka nämä mallit voivat auttaa vähentämään hoitohaarojen välistä epätasapainoa, on tilanteita, joissa niiden ei voida luottaa saavuttavan riittävää tasapainoa, erityisesti kun on useita muuttujia, joiden osalta tasapainoa tarvitaan. Tällaisissa olosuhteissa voidaan käyttää toista lähestymistapaa rajoitettuun satunnaistamiseen, jolla saavutetaan yleinen tasapaino hoitohaarojen välillä. Kokonaistasapainolla tarkoitetaan sitä, kun jokainen muuttuja jakautuu samalla tavalla eri hoitoryhmiin eikä se edellytä, että alaryhmien sisällä on tasapaino. Tämä tehdään käyttämällä kutakin klusteria koskevia perustietoja tai olemassa olevia tietoja, ja se rajoittuu jakoihin, jotka täyttävät tietyt ennalta määritetyt tasapainokriteerit. Luvussa 6 esitetään tämä lähestymistapa rajoitettuun satunnaistamiseen ja kuvataan, minkä tyyppisten muuttujien osalta tasapainoa edellytetään, miten määritellään tasapainoperusteet, jotka rajoittaisivat jakoja, sekä olosuhteet, joissa jakojen uudelleenlaskentaa olisi harkittava. Kun käytetään rajoitettua satunnaistamisjärjestelmää, on olemassa vaara, että tuloksena on puolueellinen tai epätarkoituksenmukainen malli, jonka tuloksena tilastollinen päättely antaa virheellisiä tuloksia. Tämä luku selittää myös, mitä tarkoitetaan puolueellisuus ja pätevyys, milloin ne voivat esiintyä, ja miten selittää ne.
analyysi
on olemassa kaksi pääasiallista lähestymistapaa: klusteritason yhteenvetoihin perustuva analyysi ja yksilötason tietoihin perustuva analyysi käyttäen regressiomenetelmiä, jotka mahdollistavat klustereiden väliset korrelaatiot.
näiden molempien menetelmien ensisijainen periaate on, että niissä otetaan huomioon kaksi aiemmin käsiteltyä TPT: n keskeistä piirrettä: klustereiden väliset korrelaatiot ja tutkimushaarojen sattumanvarainen epätasapaino, joka johtuu pienestä määrästä klustereita.
kirja ei kerro yksityiskohtaisesti kaikkia mahdollisia menetelmiä, joita voidaan käyttää CRT: n analysointiin, vaan se keskittyy niihin, jotka ovat luvuissa 9-12 osoittautuneet tehokkaiksi ja kestäviksi.
määritysmenetelmän on oltava soveltuva kyseiseen rakenteeseen.
raportointi ja tulkinta
klusterikohtaisista satunnaistetuista kokeista on yhä enemmän näyttöä ja kokemusta interventioiden terveysvaikutusten arvioimiseksi, ja laajennetut CONSORT guidelines-ohjeet ovat saatavilla tällaisten tutkimusten raportointia varten.:
Consort 2010 statement: extension to cluster randomised trials.
Campbell MK, Piaggio G, Elbourne DR, Altman DG. Consort 2010 statement: extension to cluster randomised trials.
Hayesin ja Moultonin Cluster Randomized Trials-Kirjan luku 15 käsittelee ja selittää CONSORT-ohjeita.