Küme Randomize Adaptif Deney — Adaptif Grup Düzeyinde Randomizasyon
Cluster Randomized Adaptive Experiment · Ayrıca şöyle bilinir: adaptive cluster RCT, adaptive group-randomized trial, cluster adaptive design, adaptive cluster trial
Bir küme randomize adaptif deney, iki metodolojik prensibi birleştirir: (1) okullar, klinikler veya köyler gibi bütün gruplar, bireyler yerine tedavi koşullarına rastgele atanır ve (2) önceden belirlenmiş kurallar, biriken küme düzeyindeki verilere dayanarak deneme sırasında tasarımın değiştirilmesine olanak tanır. Adaptasyonlar, düşük performans gösteren kolları bırakmayı, kümeleri yeniden tahsis etmeyi veya örneklem büyüklüğünü ayarlamayı içerebilirken, istatistiksel geçerliliği korur ve Tip I hatayı kontrol eder.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Bir küme randomize adaptif deneyi şu durumlarda kullanın: müdahale bütün gruplara uygulanmalı (kontaminasyon riskini minimize ederek); iki veya daha fazla kol varsa ve hangisinin üstün olacağı konusunda gerçek bir klinik veya politika belirsizliği varsa; ara değişiklikler geçerliliği tehlikeye atmadan verimliliği veya katılımcı refahını iyileştirebilirse; ve düzenleyici veya etik bağlam adaptif değişikliklere izin veriyorsa. Tasarım, ICC ve tedavi etkisinin ara tahminlerinin anlamlı olması için kol başına yeterli sayıda küme (minimum 6, ideal olarak kol başına 20+) gerektirir. Mevcut küme sayısı az olduğunda (toplam 10'dan az) bu tasarımı KULLANMAYIN — ara tahminler güvenilir adaptasyon kararlarını desteklemek için çok kararsız olacaktır; standart bir küme RKÇ veya bireysel randomize adaptif tasarım daha uygun olacaktır. Ayrıca, kaynaklar veya zaman çizelgesi bağımsız veri izleme altyapısının operasyonel karmaşıklığına ve simülasyon tabanlı protokol planlamasına izin vermediğinde de kaçının.
Güçlü yönler & sınırlılıklar
- Küme düzeyinde randomizasyondan kaynaklanan kontaminasyon kontrolünü, adaptif modifikasyonun verimlilik kazanımlarıyla birleştirerek, özellikle toplum ve halk sağlığı denemelerinde değerli kılar.
- Önceden belirlenmiş kol bırakma kuralları, kaynakların etkisiz müdahalelerden uzaklaştırılmasına olanak tanır, böylece kümelerin daha düşük tedavilere maruz kalmasını azaltır.
- Gözlemlenen ICC'ye dayalı örneklem büyüklüğünün yeniden tahmini, tasarım aşamasında varsayılan ICC yanlış olduğunda yetersiz güçlü denemelere karşı koruma sağlar.
- IDMC aracılığıyla yapılandırılmış ara inceleme süreci, deneme boyunca yönetişimi ve katılımcı güvenliği izlemesini iyileştirir.
- Etkinlik veya faydasızlık için erken durdurma tetiklendiğinde, sabit bir küme RKÇ'ye kıyasla toplam örneklem büyüklüğünü anlamlı şekilde azaltabilir.
- Operasyonel olarak karmaşık: bağımsız bir veri izleme komitesi, önceden belirlenmiş adaptasyon kuralları, simülasyon tabanlı güç analizleri ve düzenlenmiş ortamlarda her adaptasyon türü için resmi bir protokol değişiklik süreci gerektirir.
- Az sayıda küme ile yapılan ara analizler, ICC ve tedavi etkisinin oldukça değişken tahminlerini üretir, bu da adaptasyon kararlarını güvenilmez hale getirir — herhangi bir ara incelemeden önce minimum sayıda küme gözlemlenmelidir.
- Randomizasyon ile ara inceleme arasında küme bırakma (tüm bir kümenin çekilmesi), adaptasyon karar kurallarını analitik olarak düzeltilmesi zor şekillerde istikrarsızlaştırabilir.
- Düzenleyici kabul değişir: adaptif RKÇ'ler ilaç denemelerinde iyi kabul görürken, halk sağlığı ve eğitim ortamlarındaki küme adaptif tasarımları daha az standartlaştırılmış rehberliğe sahiptir, bu da etik ve finansman başvurularında daha ayrıntılı gerekçe gerektirir.
- Hem kümelenme yapısı hem de sıralı test sınırı boyunca Tip I hata kontrolü, standart bir küme RKÇ için gerekenden daha fazla uzmanlaşmış yazılım ve istatistiksel uzmanlık gerektirir.
SSS
Bu, standart bir küme RKÇ'den nasıl farklıdır?
Standart bir küme RKÇ'nin sabit bir tasarımı vardır — küme sayısı, kollar ve analitik plan deneme başlamadan önce belirlenir ve değişmez. Bir küme randomize adaptif deney, ara verilere dayanarak değişikliklere (kol bırakma, örneklem büyüklüğünün yeniden tahmini, erken durdurma) izin veren önceden belirlenmiş kurallar eklerken, genel Tip I hata oranını kontrol eder. Her iki tasarımdaki küme düzeyinde randomizasyon aynı amaca hizmet eder — kontaminasyonu önlemek — ancak adaptif tasarım, hangi kolun üstün olacağı konusunda gerçek bir belirsizlik olduğunda daha verimli olabilir.
Veri izleme komitesine ihtiyacım var mı?
Evet. Tasarımı değiştirme olasılığı ile ara analizler yapan herhangi bir deneme, körlüğü açılmış verileri incelemek için bağımsız bir veri izleme komitesine (IDMC) ihtiyaç duyar. IDMC, önceden belirlenmiş karar kurallarını uygular ve deneme yönlendirme komitesine önerilerde bulunur. Bir IDMC olmadan, adaptasyon kurallarının sonradan manipülasyonunu önlemek için güvenilir bir mekanizma yoktur, bu da Tip I hata garantisini geçersiz kılacaktır.
İlk ara incelemeden önce kaç kümeye ihtiyacım var?
Tek bir evrensel kural yoktur, ancak pratik bir kılavuz olarak, herhangi bir ara adaptasyon kararı verilmeden önce kol başına en az 6 kümenin takibi tamamlamış olması ve güvenilir ICC tahmini için kol başına 10-15 kümenin tercih edilmesi önerilir. Çok az küme ile, ara etki tahmini etrafındaki güven aralığı o kadar geniştir ki, adaptasyon kararları yanlış olma riski taşır — gerçekten etkili bir kolu bırakmak (yanlış faydasızlık) veya gerçekten etkisiz bir kolu sürdürmek.
Bu tasarımı eğitim veya kalkınma ekonomisi gibi klinik olmayan ortamlarda kullanabilir miyim?
Evet, ve bu, küme adaptif tasarımları için en umut vadeden alanlardan biridir. Eğitim denemeleri genellikle okul veya sınıf düzeyinde randomize edilir; kalkınma ekonomisi denemeleri köyleri veya bölgeleri randomize eder. Bu ortamlarda düzenleyici onay gerekli değildir, ancak ön kayıt (örn. AEA kayıt defteri veya OSF'de) ve ayrıntılı önceden belirlenmiş bir analiz planı, düzenleyici uyumlu bir protokol ile aynı işlevi görür — veriler incelenmeden önce adaptasyon kurallarını kilitler ve kamuya hesap verebilirlik mekanizması sağlar.
Planlama ve analiz için hangi yazılımı kullanabilirim?
Simülasyon tabanlı planlama için: R paketleri clusterPower, CRTpowerPack (küme örneklem büyüklüğü) ve rpact veya gsDesign (adaptif sınırlar) birleştirilebilir; EAST (Cytel) hem küme hem de adaptif öğeleri ticari bir pakette ele alır. Analiz için: kümelenmeyi hesaba katan karma etkili modeller için R'de lme4 veya nlme, sıralı p-değeri ayarlaması için gsDesign veya rpact ile birleştirilir. Hiçbir tek paket tüm yönleri sorunsuz bir şekilde ele almaz — hem küme tasarımları hem de adaptif yöntemler konusunda deneyimli bir biyoistatistikçi ile danışma şiddetle tavsiye edilir.
Kaynaklar
- Hayes, R. J., & Moulton, L. H. (2017). Cluster Randomised Trials (2nd ed.). CRC Press / Chapman & Hall. ISBN: 978-1498728225
- Pallmann, P., Bedding, A. W., Choodari-Oskooei, B., Dimairo, M., Flight, L., Hampson, L. V., ... & Jaki, T. (2018). Adaptive designs in clinical trials: why use them, and how to run and report them. BMC Medicine, 16(1), 29. DOI: 10.1186/s12916-018-1017-7 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Cluster Randomized Adaptive Experiment. ScholarGate. https://scholargate.app/tr/experimental-design/cluster-randomized-adaptive-experiment
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Uyarlanabilir DeneyDeney tasarımı↔ karşılaştır
- Uyarlanabilir Randomize Kontrollü ÇalışmaDeney tasarımı↔ karşılaştır
- Engellenmiş Rastgele Kontrollü Deneme (Engellenmiş RK)Deney tasarımı↔ karşılaştır
- Küme Rastgele Kontrollü ÇalışmaDeney tasarımı↔ karşılaştır
- Çok Kollu DeneyDeney tasarımı↔ karşılaştır