21  随机对照试验

Modified

November 20, 2024

https://www.equator-network.org/

21.1 随机

Show the code
if(!require(randomizeR)) install.packages("randomizeR")
#> package 'V8' successfully unpacked and MD5 sums checked
#> package 'reactR' successfully unpacked and MD5 sums checked
#> package 'bigD' successfully unpacked and MD5 sums checked
#> package 'bitops' successfully unpacked and MD5 sums checked
#> package 'juicyjuice' successfully unpacked and MD5 sums checked
#> package 'reactable' successfully unpacked and MD5 sums checked
#> package 'gt' successfully unpacked and MD5 sums checked
#> package 'r2rtf' successfully unpacked and MD5 sums checked
#> package 'plotrix' successfully unpacked and MD5 sums checked
#> package 'mstate' successfully unpacked and MD5 sums checked
#> package 'PwrGSD' successfully unpacked and MD5 sums checked
#> package 'gsDesign' successfully unpacked and MD5 sums checked
#> package 'randomizeR' successfully unpacked and MD5 sums checked
#> 
#> The downloaded binary packages are in
#>  C:\Users\WANGANLIN\AppData\Local\Temp\RtmpOOW51E\downloaded_packages

21.1.1 简单随机化

完全随机化

Table 21.1
Show the code
# 假设需要 100 个样本,分为 4 个组
raw_data <- tibble(
    id = 1:100
)

set.seed(20241011)
raw_data %>%
  mutate(assign = sample(1:4, size = 100, replace = TRUE)) -> raw_data

table(raw_data$assign)
#> 
#>  1  2  3  4 
#> 24 24 27 25

raw_data
#> # A tibble: 100 × 2
#>       id assign
#>    <int>  <int>
#>  1     1      3
#>  2     2      2
#>  3     3      2
#>  4     4      4
#>  5     5      1
#>  6     6      1
#>  7     7      2
#>  8     8      3
#>  9     9      2
#> 10    10      1
#> # ℹ 90 more rows

如果是针对受试者的分组，可按照受试者的入组顺序，筛选成功的第1名受试者进入组3，筛选成功的第2名受试者分入组2，以此类推。

21.1.2 区组随机化

区组(block)是对受试对象进行划分,即由若干特征相似的试验对象组成,如同一窝的动物、批号相同的试剂、体重相近的受试者等。

目的是将受试者按相同数量分组。区组大小由研究者决定，通常通过乘以分组数来确定（如有两个治疗组，则应有4、6或8个区组）。区组取预定分组中较小的组，这有助于在整个临床试验中保持治疗组大小相似。决定区组大小后，必须确定每个区组大小相等的分组。然后随机选择区组对受试者进行分组。

Show the code
if(!require(blockrand)) install.packages("blockrand")
#> package 'blockrand' successfully unpacked and MD5 sums checked
#> 
#> The downloaded binary packages are in
#>  C:\Users\WANGANLIN\AppData\Local\Temp\RtmpOOW51E\downloaded_packages
Show the code
library(blockrand)

# 使用区组随机化，指定区组大小为4
block_size <- 1:4  # 区组大小
n <- 100  # 样本总数


set.seed(20241012)
blocks <- blockrand(n = n, num.levels = 2,levels = c("Treatment", "Control"),
                    block.sizes = block_size )

blocks
#>      id block.id block.size treatment
#> 1     1        1          4 Treatment
#> 2     2        1          4   Control
#> 3     3        1          4 Treatment
#> 4     4        1          4   Control
#> 5     5        2          8 Treatment
#> 6     6        2          8 Treatment
#> 7     7        2          8   Control
#> 8     8        2          8   Control
#> 9     9        2          8 Treatment
#> 10   10        2          8 Treatment
#> 11   11        2          8   Control
#> 12   12        2          8   Control
#> 13   13        3          6 Treatment
#> 14   14        3          6 Treatment
#> 15   15        3          6   Control
#> 16   16        3          6   Control
#> 17   17        3          6 Treatment
#> 18   18        3          6   Control
#> 19   19        4          4 Treatment
#> 20   20        4          4   Control
#> 21   21        4          4   Control
#> 22   22        4          4 Treatment
#> 23   23        5          2   Control
#> 24   24        5          2 Treatment
#> 25   25        6          6 Treatment
#> 26   26        6          6 Treatment
#> 27   27        6          6 Treatment
#> 28   28        6          6   Control
#> 29   29        6          6   Control
#> 30   30        6          6   Control
#> 31   31        7          6   Control
#> 32   32        7          6   Control
#> 33   33        7          6 Treatment
#> 34   34        7          6   Control
#> 35   35        7          6 Treatment
#> 36   36        7          6 Treatment
#> 37   37        8          6   Control
#> 38   38        8          6 Treatment
#> 39   39        8          6   Control
#> 40   40        8          6 Treatment
#> 41   41        8          6   Control
#> 42   42        8          6 Treatment
#> 43   43        9          6   Control
#> 44   44        9          6 Treatment
#> 45   45        9          6   Control
#> 46   46        9          6 Treatment
#> 47   47        9          6 Treatment
#> 48   48        9          6   Control
#> 49   49       10          2   Control
#> 50   50       10          2 Treatment
#> 51   51       11          2   Control
#> 52   52       11          2 Treatment
#> 53   53       12          4   Control
#> 54   54       12          4 Treatment
#> 55   55       12          4   Control
#> 56   56       12          4 Treatment
#> 57   57       13          2 Treatment
#> 58   58       13          2   Control
#> 59   59       14          8 Treatment
#> 60   60       14          8 Treatment
#> 61   61       14          8 Treatment
#> 62   62       14          8 Treatment
#> 63   63       14          8   Control
#> 64   64       14          8   Control
#> 65   65       14          8   Control
#> 66   66       14          8   Control
#> 67   67       15          4   Control
#> 68   68       15          4 Treatment
#> 69   69       15          4 Treatment
#> 70   70       15          4   Control
#> 71   71       16          4 Treatment
#> 72   72       16          4   Control
#> 73   73       16          4 Treatment
#> 74   74       16          4   Control
#> 75   75       17          6 Treatment
#> 76   76       17          6   Control
#> 77   77       17          6 Treatment
#> 78   78       17          6   Control
#> 79   79       17          6   Control
#> 80   80       17          6 Treatment
#> 81   81       18          2   Control
#> 82   82       18          2 Treatment
#> 83   83       19          8 Treatment
#> 84   84       19          8 Treatment
#> 85   85       19          8   Control
#> 86   86       19          8 Treatment
#> 87   87       19          8 Treatment
#> 88   88       19          8   Control
#> 89   89       19          8   Control
#> 90   90       19          8   Control
#> 91   91       20          4   Control
#> 92   92       20          4 Treatment
#> 93   93       20          4   Control
#> 94   94       20          4 Treatment
#> 95   95       21          2   Control
#> 96   96       21          2 Treatment
#> 97   97       22          4 Treatment
#> 98   98       22          4   Control
#> 99   99       22          4 Treatment
#> 100 100       22          4   Control

table(blocks$block.id)
#> 
#>  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 
#>  4  8  6  4  2  6  6  6  6  2  2  4  2  8  4  4  6  2  8  4  2  4

区组随机化的问题

  • 选择偏倚更为常见，因为研究人员可以轻松预测分组的治疗分配。

21.1.3 分层随机化

根据不同的因素（性别）对受试者进行分组。如果性别是选定因素，则层数是二，对每层应用随机分组。这种形式的随机化可以减少治疗组中的特征不平衡，并提高统计功效。这种方法可以更容易地为不同的预后因素生成区组随机化列表。

分层随机化的问题

  • 虽然其目的是消除选择偏倚，但这也意味着各分组并不总是具有相同的重要特征。

分层区组随机化分组

多中心临床试验中普遍采用的方法是以中心分层,然后在各中心内进行区组随机化,即称为分层的区组随机化。

Show the code
male <- blockrand(n=100, id.prefix='M', block.prefix='M',stratum='Male')
female <- blockrand(n=100, id.prefix='F', block.prefix='F',stratum='Female')

my.study <- rbind(male,female)
my.study
#>       id stratum block.id block.size treatment
#> 1   M001    Male      M01          4         A
#> 2   M002    Male      M01          4         B
#> 3   M003    Male      M01          4         B
#> 4   M004    Male      M01          4         A
#> 5   M005    Male      M02          6         B
#> 6   M006    Male      M02          6         B
#> 7   M007    Male      M02          6         A
#> 8   M008    Male      M02          6         B
#> 9   M009    Male      M02          6         A
#> 10  M010    Male      M02          6         A
#> 11  M011    Male      M03          2         A
#> 12  M012    Male      M03          2         B
#> 13  M013    Male      M04          6         B
#> 14  M014    Male      M04          6         B
#> 15  M015    Male      M04          6         A
#> 16  M016    Male      M04          6         A
#> 17  M017    Male      M04          6         A
#> 18  M018    Male      M04          6         B
#> 19  M019    Male      M05          4         B
#> 20  M020    Male      M05          4         A
#> 21  M021    Male      M05          4         B
#> 22  M022    Male      M05          4         A
#> 23  M023    Male      M06          8         A
#> 24  M024    Male      M06          8         A
#> 25  M025    Male      M06          8         A
#> 26  M026    Male      M06          8         B
#> 27  M027    Male      M06          8         B
#> 28  M028    Male      M06          8         A
#> 29  M029    Male      M06          8         B
#> 30  M030    Male      M06          8         B
#> 31  M031    Male      M07          8         B
#> 32  M032    Male      M07          8         A
#> 33  M033    Male      M07          8         A
#> 34  M034    Male      M07          8         B
#> 35  M035    Male      M07          8         A
#> 36  M036    Male      M07          8         A
#> 37  M037    Male      M07          8         B
#> 38  M038    Male      M07          8         B
#> 39  M039    Male      M08          8         B
#> 40  M040    Male      M08          8         A
#> 41  M041    Male      M08          8         A
#> 42  M042    Male      M08          8         A
#> 43  M043    Male      M08          8         B
#> 44  M044    Male      M08          8         A
#> 45  M045    Male      M08          8         B
#> 46  M046    Male      M08          8         B
#> 47  M047    Male      M09          4         B
#> 48  M048    Male      M09          4         B
#> 49  M049    Male      M09          4         A
#> 50  M050    Male      M09          4         A
#> 51  M051    Male      M10          2         A
#> 52  M052    Male      M10          2         B
#> 53  M053    Male      M11          4         A
#> 54  M054    Male      M11          4         A
#> 55  M055    Male      M11          4         B
#> 56  M056    Male      M11          4         B
#> 57  M057    Male      M12          6         A
#> 58  M058    Male      M12          6         B
#> 59  M059    Male      M12          6         B
#> 60  M060    Male      M12          6         B
#> 61  M061    Male      M12          6         A
#> 62  M062    Male      M12          6         A
#> 63  M063    Male      M13          8         A
#> 64  M064    Male      M13          8         A
#> 65  M065    Male      M13          8         A
#> 66  M066    Male      M13          8         A
#> 67  M067    Male      M13          8         B
#> 68  M068    Male      M13          8         B
#> 69  M069    Male      M13          8         B
#> 70  M070    Male      M13          8         B
#> 71  M071    Male      M14          8         B
#> 72  M072    Male      M14          8         B
#> 73  M073    Male      M14          8         B
#> 74  M074    Male      M14          8         A
#> 75  M075    Male      M14          8         A
#> 76  M076    Male      M14          8         B
#> 77  M077    Male      M14          8         A
#> 78  M078    Male      M14          8         A
#> 79  M079    Male      M15          6         A
#> 80  M080    Male      M15          6         B
#> 81  M081    Male      M15          6         A
#> 82  M082    Male      M15          6         A
#> 83  M083    Male      M15          6         B
#> 84  M084    Male      M15          6         B
#> 85  M085    Male      M16          8         A
#> 86  M086    Male      M16          8         B
#> 87  M087    Male      M16          8         B
#> 88  M088    Male      M16          8         A
#> 89  M089    Male      M16          8         B
#> 90  M090    Male      M16          8         B
#> 91  M091    Male      M16          8         A
#> 92  M092    Male      M16          8         A
#> 93  M093    Male      M17          2         A
#> 94  M094    Male      M17          2         B
#> 95  M095    Male      M18          8         B
#> 96  M096    Male      M18          8         A
#> 97  M097    Male      M18          8         A
#> 98  M098    Male      M18          8         B
#> 99  M099    Male      M18          8         B
#> 100 M100    Male      M18          8         B
#> 101 M101    Male      M18          8         A
#> 102 M102    Male      M18          8         A
#> 103 F001  Female      F01          2         B
#> 104 F002  Female      F01          2         A
#> 105 F003  Female      F02          2         A
#> 106 F004  Female      F02          2         B
#> 107 F005  Female      F03          8         A
#> 108 F006  Female      F03          8         A
#> 109 F007  Female      F03          8         B
#> 110 F008  Female      F03          8         A
#> 111 F009  Female      F03          8         A
#> 112 F010  Female      F03          8         B
#> 113 F011  Female      F03          8         B
#> 114 F012  Female      F03          8         B
#> 115 F013  Female      F04          4         B
#> 116 F014  Female      F04          4         B
#> 117 F015  Female      F04          4         A
#> 118 F016  Female      F04          4         A
#> 119 F017  Female      F05          4         A
#> 120 F018  Female      F05          4         A
#> 121 F019  Female      F05          4         B
#> 122 F020  Female      F05          4         B
#> 123 F021  Female      F06          4         B
#> 124 F022  Female      F06          4         B
#> 125 F023  Female      F06          4         A
#> 126 F024  Female      F06          4         A
#> 127 F025  Female      F07          2         A
#> 128 F026  Female      F07          2         B
#> 129 F027  Female      F08          2         A
#> 130 F028  Female      F08          2         B
#> 131 F029  Female      F09          2         B
#> 132 F030  Female      F09          2         A
#> 133 F031  Female      F10          6         B
#> 134 F032  Female      F10          6         B
#> 135 F033  Female      F10          6         B
#> 136 F034  Female      F10          6         A
#> 137 F035  Female      F10          6         A
#> 138 F036  Female      F10          6         A
#> 139 F037  Female      F11          8         A
#> 140 F038  Female      F11          8         B
#> 141 F039  Female      F11          8         B
#> 142 F040  Female      F11          8         B
#> 143 F041  Female      F11          8         B
#> 144 F042  Female      F11          8         A
#> 145 F043  Female      F11          8         A
#> 146 F044  Female      F11          8         A
#> 147 F045  Female      F12          2         B
#> 148 F046  Female      F12          2         A
#> 149 F047  Female      F13          6         B
#> 150 F048  Female      F13          6         A
#> 151 F049  Female      F13          6         B
#> 152 F050  Female      F13          6         A
#> 153 F051  Female      F13          6         A
#> 154 F052  Female      F13          6         B
#> 155 F053  Female      F14          2         A
#> 156 F054  Female      F14          2         B
#> 157 F055  Female      F15          6         B
#> 158 F056  Female      F15          6         A
#> 159 F057  Female      F15          6         B
#> 160 F058  Female      F15          6         B
#> 161 F059  Female      F15          6         A
#> 162 F060  Female      F15          6         A
#> 163 F061  Female      F16          4         A
#> 164 F062  Female      F16          4         A
#> 165 F063  Female      F16          4         B
#> 166 F064  Female      F16          4         B
#> 167 F065  Female      F17          6         B
#> 168 F066  Female      F17          6         B
#> 169 F067  Female      F17          6         A
#> 170 F068  Female      F17          6         B
#> 171 F069  Female      F17          6         A
#> 172 F070  Female      F17          6         A
#> 173 F071  Female      F18          8         A
#> 174 F072  Female      F18          8         B
#> 175 F073  Female      F18          8         B
#> 176 F074  Female      F18          8         B
#> 177 F075  Female      F18          8         A
#> 178 F076  Female      F18          8         A
#> 179 F077  Female      F18          8         A
#> 180 F078  Female      F18          8         B
#> 181 F079  Female      F19          4         B
#> 182 F080  Female      F19          4         B
#> 183 F081  Female      F19          4         A
#> 184 F082  Female      F19          4         A
#> 185 F083  Female      F20          4         B
#> 186 F084  Female      F20          4         B
#> 187 F085  Female      F20          4         A
#> 188 F086  Female      F20          4         A
#> 189 F087  Female      F21          8         B
#> 190 F088  Female      F21          8         B
#> 191 F089  Female      F21          8         A
#> 192 F090  Female      F21          8         B
#> 193 F091  Female      F21          8         A
#> 194 F092  Female      F21          8         B
#> 195 F093  Female      F21          8         A
#> 196 F094  Female      F21          8         A
#> 197 F095  Female      F22          8         B
#> 198 F096  Female      F22          8         A
#> 199 F097  Female      F22          8         A
#> 200 F098  Female      F22          8         B
#> 201 F099  Female      F22          8         B
#> 202 F100  Female      F22          8         A
#> 203 F101  Female      F22          8         B
#> 204 F102  Female      F22          8         A

21.1.4 动态随机化

动态随机化是指在临床试验的过程中每例患者分到各组的概率不是固定不变的,而是根据一定的条件进行调整的方法,它能有效地保证各试验组间例数和某些重要的非处理因素接近一致。动态随机化包括瓮(urn)法、偏币(biased coin)法、最小化(minimization)法等。

最小化

最小化随机化的核心是通过动态平衡组内特征分配，使得组间的差异最小。

最小化被用作平衡临床试验预后因素的工具。第一例受试者通过简单随机化分配到一个治疗组，然后根据先前的受试者及其在临床试验中的安置分配其余受试者，以平衡预后因素。目的是克服分层随机化的挑战。

Show the code
# 加载randomizeR包
library(randomizeR)

最小化的问题

  • 不符合随机化的所有要求。

21.2 分配隐匿

在分配前对受试者的治疗组分配保密。这有助于减少选择偏倚，防止研究人员影响受试者分组。

  • 首先要求产生随机分配序列和确定受试对象合格性的研究人员不应该是同一个人

  • 其次,如果可能,产生和保存随机分配序列的人员最好是不参与试验的人员

按顺序编码、不透光、密封的信封(sequentially numbered,opaque, sealed envelopes )这是最常用的一种方法。每个研究对象所接受的治疗方案由产生的随机分配序列产生,并被放入按顺序、密封、不透光的信封中。合格的受试对象同意进入试验时,信封才能被打开,受试对象才能接受相应的处理措施。但是这种方法有一定的局限性。(1)如果研究者在试验前提前打开信封而将患者分配至预期的治疗组,将会破坏了研究的随机性。(2)如果将信封对着极强的光线,有时信封里面的内容能被看见。因此,为了避免这些问题,目前在临床研究中比较常用的做法是用来无碳复写纸按顺序、密封、不透光的信封。一旦无碳复写纸被开启后,就无法还原。这样,就比较容易发现研究者是否提前知道随机分配序列。信封法适用于单中心小样本的临床研究。

中心随机( central randomisation)系统为了避免按顺序、密封、不透光的信封所带来的问题,常用的一种方法是“远程”随机。“远程随机”是指当研究人员确定合格的研究对象后,通过电话或者网络将患者的基本信息传递给中心随机系统,然后获得每个患者的治疗分配方案。从今后的发展趋势来看,这种“远程”的中心随机系统将会取代信封系统。中心随机法适用于大型多中心研究。

随机分配方案隐匿与盲法

常与盲法相混淆。随机分配方案的隐匿是指通过在随机分配时防止随机序列被事先知道,而避免选择性偏倚;它在临床试验最后一名患者完成分组后即告结束;而盲法是为了避免干预措施实施过程中和结局指标测量时来自受试者和研究者的主观偏性,盲法需要在整个治疗和随访过程中保持盲的状态,直到试验干预和结局测量完成后才结束。盲法并非是在所有的临床试验中都能进行,但是随机分配方案的隐匿却在任何临床试验中都能进行,无论是分配前或者在分配的时点时。例如,比较针灸和药物两种疗法治疗某种疾病的疗效,盲法是难以实施的,而随机分配方案的隐匿却是可行的。

21.3 盲法

21.3.1 开放试验

盲法是RCT的基本原则之一，但并不是所有的研究都必须采用或均能实行。比如比较某种手术与某药物治疗肺癌的效果，就不必要，也没有条件实施盲法。在这种情况下，只能进行开放试验，即研究对象和研究者均知道试验组和对照组的分组情况，试验公开进行。

在开放试验中，盲法无法实施，但是分组隐匿仍然可以实施。同时可以考虑对结局评价者、数据监察和统计分析人员设盲。其优点是易于设计和实施，研究者了解分组情况，便于对研究对象及时作出处理，其主要缺点是容易产生偏倚。

21.3.2 单盲

单盲试验（single-blinded）：单盲试验是仅研究者知道每个病人用药的具体内容，而病人不知道，单盲试验虽可以避免来自病人主观因素的偏倚，但仍未能防止来自研究者方面的影响。

21.3.3 双盲

双盲(double blinded)试验：单盲试验是仅研究者知道每个病人用药的具体内容，而病人不知道，单盲试验虽可以避免来自病人主观因素的偏倚，但仍未能防止来自研究者方面的影响。

在双盲实施过程中，可能会出现一种情况：假设本研究中006号研究对象在研究过程中出现了严重的不良反应，要分析原因以便采取对策，此时必须揭盲。揭盲后研究实施者就知道了006号研究对象在使用乙药。但是，研究实施者在分组时已经知道006号研究对象为2组，揭盲后便知道了所有2组研究对象均在使用乙药，这会出现一人揭盲人人揭盲的情况。要避免这种情况，严格而规范的双盲试验不是给每个研究对象一个组别，按组别发药；而是给每个研究对象一个编码，按编码发药。盲底则由专人统一保管。

要避免一人揭盲人人揭盲的情况，双盲的具体做法是:

  1. 研究设计者在随机化分组时，对每个研究对象分配一个设盲编码。
Table 21.2
Show the code
raw_data %>% 
    mutate(
        blind_id = 1001:1100,
        drug_id = 1001:1100,
    ) ->raw_data
raw_data 
#> # A tibble: 100 × 4
#>       id assign blind_id drug_id
#>    <int>  <int>    <int>   <int>
#>  1     1      3     1001    1001
#>  2     2      2     1002    1002
#>  3     3      2     1003    1003
#>  4     4      4     1004    1004
#>  5     5      1     1005    1005
#>  6     6      1     1006    1006
#>  7     7      2     1007    1007
#>  8     8      3     1008    1008
#>  9     9      2     1009    1009
#> 10    10      1     1010    1010
#> # ℹ 90 more rows

# 给研究实施者提供
raw_data %>% select(contains("id"))
#> # A tibble: 100 × 3
#>       id blind_id drug_id
#>    <int>    <int>   <int>
#>  1     1     1001    1001
#>  2     2     1002    1002
#>  3     3     1003    1003
#>  4     4     1004    1004
#>  5     5     1005    1005
#>  6     6     1006    1006
#>  7     7     1007    1007
#>  8     8     1008    1008
#>  9     9     1009    1009
#> 10    10     1010    1010
#> # ℹ 90 more rows

  1. 同时，分发的药品包装上也有与设盲编码一一对应的编码。

  2. 在随机化分组完成后，001号研究对象将分入3组，002号将分入2组。研究设计者在编码为1001的药品包装内分装C药，在编码为1002的药品包装内分装乙药。同时仅给研究实施者提供研究对象序号、设盲编码和标有设盲编码的药品 ( Table 21.2)。

  3. 而盲底（ Table 21.1 ）则只有研究设计者知道，并由专人保管。此时，研究实施者按照顺序纳入研究对象后，仅给研究对象标有编码的药品即可。研究实施者和研究对象均不知道分组和用药情况。

这样做的优点是：出现严重不良反应需要揭盲时，只需个别地揭盲，不容易泄密。但需要注意的是，必须建立与健全专项的药品保管、领用和发放制度；领发药品的各个环节都要认真核对编码，防止出错。实际上，如此执行，也做到了分组隐匿。

需要注意的是，试验结束前盲底泄露或应急信件拆阅超过20%，双盲试验即告失败。

21.3.4 三盲

在双盲实施的时候，还有可能出现一种偏倚：数据监察和统计分析人员知道研究分组情况，可能会对数据有选择性的取舍，造成不真实的情况。如在双盲实施的过程中，对数据监察和统计分析人员也设盲，此为三盲。

在研究实施过程中，将所有的临床试验数据输入数据库并经过核查，确证准确无误将数据锁定后，才进行第一次揭盲，即分出A、B两组，但哪一组是试验组、哪一组是对照组并不清楚。之后进行统计分析，待A组和B组分析数据出来后，再第二次揭盲，即明确A、B两组分别代表试验组还是对照组。

盲法与前述分配隐匿的区别在于：分配隐匿主要控制一种选择偏倚，即控制研究实施者有倾向地选择研究对象进入试验组或对照组；而盲法除此之外，还能控制信息偏倚，即控制研究实施者、资料收集和数据分析者有倾向性的取舍研究结果。

21.4 对照

空白对照 安慰剂（placebo）对照 阳性对照

21.5 重复

有一定的重复观察样本, 一项研究不允许有太多的受试者失访, 在选择研究样本时一定要特别注意。

21.6 评价方法

Cochrane 偏倚风险评估工具包括 7 个方面：

  1. 随机序列的产生(选择偏倚)；
  2. 盲法分配(选择偏倚)；
  3. 所有研究参与者和人员采用盲法(执行偏倚)；
  4. 结果评估的盲法(观察偏倚)；
  5. 结果数据的完整性(失访偏倚)；
  6. 选择报道(报告偏倚)；
  7. 其他。最后以文字、表格或图示方法显示对所有纳入文献的评价结果

Jadad 量表在临床试验的评价工作中简单易行，具有一定的科学性，得到了许多学者的认可， 发表了大量以 Jadad 量表作为评价工具的系统评价， 其中相当一部分文献集中在药物临床试验为主的研究， 在非开放式 RCT 评价中发挥了重要作用，得到了大多数学者的认可。 但是，随着人们对临床试验实施标准的不断修改完善，尤其是开放式非药物临床试验的RCT 研究在临床上广泛开展，Jadad 量表的评价标准有时不能完全客观、透明地反映出开放式 RCT 的研究质量，从而可能将质量较高的 RCT 误认为低质量 RCT。