Basamaklı Kama Küme Randomize Kontrollü Çalışma
Stepped Wedge Cluster Randomized Trial Design · Ayrıca şöyle bilinir: SWCRT, SW-CRT, Stepped Wedge Design
Basamaklı kama küme randomize kontrollü çalışma, kümelerin (örneğin, okullar, hastaneler, topluluklar) zaman içinde aşamalı, kademeli bir şekilde bir müdahaleye maruz kalacak şekilde randomize edildiği deneysel bir tasarımdır. İlk olarak 2007'de Hussey ve Hughes tarafından tanımlanan bu tasarım, küme randomize etmenin faydalarını zamanla basamaklı bir uygulama stratejisiyle birleştirir. Özellikle gerçek dünya sağlık hizmetleri ve halk sağlığı ortamlarında müdahalelerin etkinliğini değerlendirmek için kullanışlıdır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Müdahalelerin nihayetinde tüm kümelerde uygulanması gerektiği ancak lojistik, kaynak veya pratik nedenlerle sıralı olarak dağıtılabildiği durumlarda basamaklı kama tasarımlarını kullanın. Tasarım, karmaşık sağlık sistemi müdahaleleri (örneğin, yeni bakım yolları, kalite iyileştirme girişimleri, eğitim programları) için değerlidir. Basamaklı kama, müdahale etkisinin büyük ve ani olması beklendiğinde, kümelerin uygulama sırasına göre randomize edilemediği veya zaman içindeki önemli seküler eğilimlerin beklendiği durumlarda daha az uygundur.
Güçlü yönler & sınırlılıklar
- Tüm kümeler nihayetinde müdahaleyi alır, tedavi vermeme konusundaki etik endişeleri azaltır ve paydaş kabulünü artırır
- Aşamalı uygulama, dağıtım aşamaları boyunca gerçek zamanlı izleme, öğrenme ve ayarlama fırsatları sunar
- Farklı zaman noktalarındaki birden çok küme, aynı sayıda küme için standart paralel grup küme tasarımlarından daha fazla istatistiksel güç sağlar
- Eşzamanlı uygulamanın tüm kümelerde uygulanamadığı gerçek dünya ortamlarındaki pratik kısıtlamaları karşılar
- Zaman eğilimleri ve seküler değişiklikler, birden çok ölçüm periyodu ile daha kolay tespit edilir
- Standart paralel tasarımlara kıyasla tasarım, analiz ve raporlamada artan karmaşıklık
- Zaman içindeki seküler eğilimler (örneğin, sonuçlardaki doğal iyileşme) müdahale etkisi tahminlerini yanlı hale getirebilir
- Kümeler arasındaki kalıntı etkileri mümkündür, bulaşma olmaması varsayımını ihlal eder
- Kümelerin veya katılımcıların takipten kaybı, çalışma gücünü önemli ölçüde zayıflatabilir
- Analiz, kümelenmiş, tekrarlanan ölçüm verileriyle özel yazılım ve istatistiksel uzmanlık gerektirir
SSS
Basamaklı kama tasarımı ile standart paralel grup küme randomize kontrollü çalışma arasındaki fark nedir?
Paralel tasarımlarda, kümeler müdahale veya kontrol için randomize edilir ve çalışma boyunca atanan gruplarında kalır. Basamaklı kama tasarımlarında, tüm kümeler nihayetinde müdahaleyi alır, ancak zamanlama randomize edilir. Basamaklı kama, küme içi öncesi-sonrası karşılaştırmalar sağlar ve eşdeğer güç için genellikle daha az küme gerektirir.
Basamaklı kama çalışması için örneklem büyüklüğünü nasıl hesaplarım?
Örneklem büyüklüğü, küme sayısı, zaman adımı sayısı, küme boyutu, küme içi korelasyon katsayısı, takip periyodu uzunlukları ve beklenen müdahale etkisine bağlıdır. Kümelenmeyi ve tekrarlanan ölçümleri hesaba katan özel yazılımlar veya formüller kullanın. Baio ve meslektaşları (2015), örneklem büyüklüğü hesaplaması için ayrıntılı yöntemler sunmaktadır.
Basamaklı kama tasarımında seküler eğilimlerden kaynaklanan hangi yanlılıklar ortaya çıkabilir?
Sonuçlar müdahale ile ilgisi olmayan faktörler (örneğin, gelişmiş teknoloji, sağlık farkındalığı) nedeniyle zamanla doğal olarak iyileşirse, müdahaleye daha geç geçen kümeler daha erken kümelere göre daha kötü sonuçlara sahip görünecektir. Bu yanlılık, istatistiksel modele zaman eğilimleri dahil edilerek ve tedavi-zaman etkileşimleri test edilerek ele alınır.
Basamaklı kama verilerini analiz etmek için standart bir t-testi veya regresyon kullanabilir miyim?
Hayır. Standart yöntemler, kümelenmeyi ve tekrarlanan ölçüm yapısını göz ardı eder, bu da yanlı tahminlere ve artan tip I hata oranlarına yol açar. Kümeler için rastgele kesişimlerle karma etkili modelleri veya küme içi korelasyonu ve tekrarlanan ölçümleri doğru bir şekilde hesaba katmak için genelleştirilmiş tahmin denklemlerini (GEE) kullanın.
Kaynaklar
- Hemming, K., Haines, T. P., Chilton, P. J., Girling, A. J., & Lilford, R. J. (2015). The stepped wedge cluster randomised trial: rationale, design, analysis, and reporting. British Medical Journal, 350, h391. DOI: 10.1136/bmj.h391 ↗
- Hussey, M. A., & Hughes, J. P. (2007). Design and analysis of stepped wedge cluster randomized trials. Contemporary Clinical Trials, 28(2), 182-191. DOI: 10.1016/j.cct.2006.05.007 ↗
- Baio, G., Copas, A., Ambler, G., Hargreaves, J., Beard, E., & Omar, R. Z. (2015). Sample size calculation for a stepped wedge trial. Trials, 16(1), 354. DOI: 10.1186/s13063-015-0840-9 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Stepped Wedge Cluster Randomized Trial Design. ScholarGate. https://scholargate.app/tr/causal-inference/stepped-wedge-cluster-randomized-trial
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Küme Randomize Edilmiş Deneme (KRED)Klinik araştırma↔ karşılaştır
- Farkların Farkı (Diff-in-Diff)Ekonometri↔ karşılaştır
- Kesintili Zaman Serisi (KZS) AnaliziNedensel çıkarım↔ karşılaştır