ABSTRAK
KP Suresh
Departemen Biostatika, National Institute Pengacakan sebagai metode kontrol eksperimental telah banyak digunakan dalam uji klinis pada manusia dan
of Nutrition & Fisiologi Hewan (NIANP),
percobaan biologi lainnya. Ini mencegah bias seleksi dan menjamin terhadap bias disengaja. Ini menghasilkan
Adugodi, Bangalore, India
kelompok sebanding dan menghilangkan sumber bias dalam tugas perawatan. Akhirnya, itu memungkinkan
penggunaan teori probabilitas untuk mengungkapkan kemungkinan kesempatan sebagai sumber untuk perbedaan
dari hasil akhir. Makalah ini membahas metode yang berbeda dari pengacakan dan penggunaan statistik
Alamat untuk korespondensi:
pemrograman komputasi web online (www.graphpad.com/quickcalcs atau www.randomization. com) untuk
Dr KP Suresh, Scientist (Biostatistik)
Institut Nasional Nutrisi dan Fisiologi menghasilkan jadwal pengacakan. Isu yang terkait dengan pengacakan juga dibahas dalam makalah ini.
(NIANP) Adugodi, Bangalore -
560.030, India
KATA KUNCI: Blok, GraphPad quickcalc, sabar, pengacakan
E-mail: sureshkp97 @ gmail. com
Menerima: 08.03.11 Ulasan selesai: PENGANTAR dapat dihasilkan oleh komputer atau bisa datang dari
08.03.11 Diterima: 08.03.11 tabel nomor acak yang ditemukan di sebagian besar buku
Sebuah percobaan yang baik atau percobaan teks statistik. Untuk percobaan sederhana dengan
meminimalkan variabilitas evaluasi dan memberikan sejumlah kecil mata pelajaran, pengacakan dapat
evaluasi berisi intervensi dengan menghindari dilakukan dengan mudah dengan menetapkan angka
mengacaukan dari faktor-faktor lain, yang dikenal dan acak dari nomor tabel acak dengan kondisi perawatan.
tidak dikenal. Pengacakan memastikan bahwa setiap Namun, dalam situasi ukuran sampel yang besar atau jika
pasien memiliki kesempatan yang sama untuk menerima pengacakan dibatasi atau pengacakan bertingkat yang
salah satu perawatan yang diteliti, menghasilkan akan dilakukan untuk percobaan atau jika rasio alokasi
kelompok intervensi sebanding, yang sama dalam semua yang tidak seimbang akan digunakan, lebih baik
aspek penting kecuali untuk intervensi masing-masing menggunakan pemrograman komputer untuk melakukan
kelompok menerima. Hal ini juga memberikan dasar untuk pengacakan seperti SAS, lingkungan R dll . [ 1-6]
dari pengaruh ketidakseimbangan kovariat, sehingga membutuhkan peneliti penugasan subjek untuk kelompok tertentu. Metode yang paling umum dan
untuk mengendalikan kovariat dalam analisis untuk mendapatkan hasil yang dasar dari pengacakan sederhana membalik koin. Misalnya, dengan dua
berisi. [ 7,8] kelompok perlakuan (kontrol lawan pengobatan), sisi dari koin (yaitu, kepala
Kedua, pengacakan yang tepat memastikan tidak ada pengetahuan apriori - control, ekor - pengobatan) menentukan penugasan masing-masing subjek. Metode
dari tugas kelompok (yaitu, alokasi penyembunyian). Artinya, peneliti, subjek lain termasuk menggunakan mengocok setumpuk kartu (misalnya, bahkan - kontrol, aneh
atau pasien atau peserta, dan lain-lain tidak harus tahu kelompok mana - pengobatan) atau melempar dadu (misalnya, bawah dan sama dengan 3 - kontrol, lebih
subjek akan ditugaskan. Pengetahuan tentang tugas kelompok menciptakan dari 3 - pengobatan). Sebuah tabel nomor acak ditemukan dalam sebuah buku statistik
lapisan potensi bias seleksi yang dapat mencemari data. [ 9] atau angka acak yang dihasilkan komputer juga dapat digunakan untuk pengacakan
untuk setiap kelompok kovariat. Penyesuaian yang diperlukan untuk setiap digunakan untuk memastikan keseimbangan dalam ukuran sampel di seluruh
kelompok kovariat dapat bervariasi, yang bermasalah karena ANCOVA kelompok dari waktu ke waktu. Blok kecil dan seimbang dengan tugas kelompok yang
menggunakan rata-rata kemiringan di seluruh kelompok untuk menyesuaikan telah ditentukan, yang menjaga jumlah mata pelajaran dalam setiap kelompok yang
variabel hasil. Dengan demikian, cara ideal menyeimbangkan kovariat antara sama setiap saat. [ 1,2] Ukuran blok ditentukan oleh peneliti dan harus kelipatan dari
kelompok-kelompok adalah untuk menerapkan pengacakan suara dalam jumlah kelompok (yaitu, dengan dua kelompok perlakuan, ukuran blok baik 4, 6, atau
tahap desain dari penelitian klinis (sebelum prosedur penyesuaian) bukan 8). Blok yang terbaik digunakan secara bertahap lebih kecil sebagai peneliti dapat
koleksi pasca data. Dalam hal demikian, tugas acak diperlukan dan jaminan lebih mudah mengontrol keseimbangan. [ 10]
Banyak prosedur telah diusulkan untuk tugas acak peserta untuk kelompok
perlakuan dalam uji klinis. Pada artikel ini, teknik pengacakan umum, Meskipun keseimbangan dalam ukuran sampel dapat dicapai dengan metode
termasuk pengacakan sederhana, blok pengacakan, pengacakan bertingkat, ini, kelompok dapat dihasilkan yang jarang sebanding dalam hal kovariat
dan pengacakan adaptif kovariat, ditinjau. Setiap metode digambarkan tertentu. Misalnya, satu kelompok mungkin memiliki lebih peserta dengan
bersama dengan kelebihan dan kekurangan. Hal ini sangat penting untuk penyakit sekunder (misalnya, diabetes, multiple sclerosis, kanker, hipertensi,
memilih metode yang akan menghasilkan hasil yang diinterpretasi dan dll) yang dapat mengacaukan data dan negatif dapat mempengaruhi hasil uji
berlaku untuk studi Anda. Penggunaan software online untuk menghasilkan klinis. [ 11] Pocock dan Simon menekankan pentingnya mengontrol kovariat ini
kode pengacakan menggunakan prosedur pengacakan blok akan disajikan. karena konsekuensi serius terhadap interpretasi hasil. ketidakseimbangan
tersebut bisa memperkenalkan bias dalam analisis statistik dan mengurangi
kekuatan penelitian. Oleh karena itu, ukuran sampel dan kovariat harus
seimbang dalam penelitian klinis.
pengacakan sederhana
Pengacakan berdasarkan urutan tunggal tugas acak yang dikenal sebagai
pengacakan sederhana. [ 3] pengacakan bertingkat
Teknik ini mempertahankan keacakan lengkap dari Metode pengacakan bertingkat alamat kebutuhan
untuk mengontrol dan menyeimbangkan pengaruh kovariat. Metode ini dapat software online ini sangat sederhana dan mudah diimplementasikan. Sampai dengan 10 perawatan
digunakan untuk mencapai keseimbangan antara kelompok-kelompok dalam dapat dialokasikan untuk pasien dan replikasi pengobatan juga dapat dilakukan hingga 9 kali.
hal karakteristik awal subyek (kovariat). kovariat spesifik harus diidentifikasi Keterbatasan utama dari software ini adalah bahwa setelah rencana pengacakan dihasilkan, rencana
oleh peneliti yang mengerti pengaruh potensial setiap kovariat memiliki pengacakan yang sama tidak dapat dihasilkan karena ini menggunakan titik benih jam komputer lokal
terhadap variabel dependen. pengacakan bertingkat dicapai dengan dan tidak ditampilkan untuk digunakan lebih lanjut. Keterbatasan lain dari ini maksimum software online
menghasilkan blok terpisah untuk setiap kombinasi kovariat, dan mata hanya 10 perawatan dapat diberikan ke pasien. Memasuki http://www.graphpad.com/quickcalcs/index
pelajaran ditugaskan ke blok tepat kovariat. Setelah semua mata pelajaran alamat web. cfm pada address bar browser apapun, halaman GraphPad muncul dengan sejumlah
telah diidentifikasi dan ditetapkan menjadi blok-blok, pengacakan sederhana pilihan. Pilih opsi “Bilangan Acak” dan kemudian tekan terus, Random Number Calculator dengan tiga
dilakukan dalam setiap blok untuk menetapkan subyek untuk salah satu pilihan muncul. Pilih tab “secara acak menetapkan subyek untuk kelompok” dan tekan terus. Di
kelompok. halaman berikutnya, masukkan jumlah mata pelajaran di masing-masing kelompok di tab “Assign” dan
pilih jumlah kelompok dari tab “Subyek untuk masing-masing kelompok” dan tetap nomor 1 di tab
ulangi jika tidak ada replikasi dalam penelitian ini. Sebagai contoh, jumlah pasien dalam studi
eksperimental tiga kelompok adalah 30 dan masing-masing kelompok akan ditugaskan untuk 10
Metode pengacakan bertingkat kontrol untuk kemungkinan pengaruh kovariat pasien. Ketik 10 di tab “Assign” dan pilih 3 di tab “Subyek untuk masing-masing kelompok” dan
yang akan membahayakan kesimpulan dari penelitian klinis. Sebagai contoh, kemudian tekan “melakukannya” tombol. Hasil yang diperoleh seperti yang ditunjukkan seperti di
sebuah penelitian klinis dari teknik rehabilitasi yang berbeda setelah prosedur bawah ini (output parsial disajikan) jumlah total pasien dalam studi eksperimental tiga kelompok adalah
pembedahan akan memiliki sejumlah kovariat. Hal ini juga diketahui bahwa 30 dan masing-masing kelompok akan ditugaskan untuk 10 pasien. Ketik 10 di tab “Assign” dan pilih 3
usia subjek mempengaruhi tingkat prognosis. Dengan demikian, usia bisa di tab “Subyek untuk masing-masing kelompok” dan kemudian tekan “melakukannya” tombol. Hasil
menjadi variabel pengganggu dan mempengaruhi hasil dari penelitian klinis. yang diperoleh seperti yang ditunjukkan seperti di bawah ini (output parsial disajikan) jumlah total
pengacakan bertingkat dapat menyeimbangkan kontrol dan kelompok pasien dalam studi eksperimental tiga kelompok adalah 30 dan masing-masing kelompok akan
perlakuan untuk usia atau kovariat diidentifikasi lainnya. Meskipun ditugaskan untuk 10 pasien. Ketik 10 di tab “Assign” dan pilih 3 di tab “Subyek untuk masing-masing
pengacakan bertingkat adalah teknik yang relatif sederhana dan berguna, kelompok” dan kemudian tekan “melakukannya” tombol. Hasil yang diperoleh seperti yang ditunjukkan
terutama untuk uji klinis yang lebih kecil, menjadi rumit untuk menerapkan seperti di bawah ini (output parsial disajikan)
jika banyak kovariat harus dikendalikan. [ 12]
pengacakan bertingkat memiliki keterbatasan lain; bekerja hanya ketika pengacakan software online lain, yang dapat digunakan untuk menghasilkan
semua mata pelajaran telah diidentifikasi sebelum tugas kelompok. Namun, rencana pengacakan adalah http: // www. randomization.com. Benih untuk
metode ini jarang berlaku karena subyek penelitian klinis sering terdaftar satu generator nomor acak [ 14,15] ( Wichmann dan Hill, 1982, sebagaimana telah
per satu secara terus menerus. Ketika Karakteristik dasar dari semua mata diubah dengan McLeod, 1985) diperoleh dari jam dari komputer lokal dan
pelajaran yang tidak tersedia sebelum tugas, menggunakan pengacakan dicetak di bagian bawah rencana pengacakan. Jika benih termasuk dalam
bertingkat sulit. [ 10] permintaan, itu menimpa nilai yang diperoleh dari jam dan dapat digunakan
untuk mereproduksi atau memverifikasi rencana tertentu. Hingga 20
perawatan dapat ditentukan. Rencana pengacakan tidak terpengaruh oleh
Kovariat pengacakan adaptif urutan di mana perawatan yang dimasukkan atau kotak tertentu dikosongkan
Salah satu potensi masalah kecil sampai ukuran sedang penelitian klinis jika tidak semua yang diperlukan. Program dimulai dengan menyortir nama
adalah bahwa pengacakan sederhana (dengan atau tanpa mengambil pengobatan internal. penyortiran adalah kasus sensitif, bagaimanapun, jadi
stratifikasi variabel prognostik ke account) dapat mengakibatkan kapitalisasi yang sama harus digunakan ketika menciptakan rencana
ketidakseimbangan kovariat penting di antara kelompok perlakuan. sebelumnya. Contoh 10 pasien mengalokasikan untuk dua kelompok
Ketidakseimbangan kovariat penting karena potensi untuk mempengaruhi (masing-masing dengan 5 pasien), pertama masuk label perawatan di kotak,
interpretasi hasil penelitian. Kovariat pengacakan adaptif telah dan masukkan jumlah total pasien yang 10 di tab “Jumlah mata pelajaran per
direkomendasikan oleh banyak peneliti sebagai metode pengacakan blok” dan masukkan 1 pada tab “Jumlah blok” untuk pengacakan sederhana
alternatif yang valid untuk penelitian klinis. [ 8,13] Dalam pengacakan adaptif atau lebih dari satu untuk Blok pengacakan. Output dari software online ini
kovariat, peserta baru secara berurutan ditugaskan untuk kelompok disajikan sebagai berikut.
perlakuan tertentu dengan memperhatikan kovariat spesifik dan tugas
sebelumnya peserta. [ 7] Kovariat pengacakan adaptif menggunakan metode
minimisasi dengan menilai ketidakseimbangan ukuran sampel di antara
beberapa kovariat.
KESIMPULAN
Menggunakan pengacakan http secara online: //www.graphpad. com / Manfaat pengacakan banyak. Ini memastikan terhadap bias disengaja dalam
quickcalcs / index.cfm, peneliti dapat menghasilkan rencana pengacakan percobaan dan menghasilkan kelompok sebanding dalam segala hormat
untuk pengobatan tugas untuk pasien. kecuali intervensi
masing-masing kelompok menerima. Tujuan dari makalah ini adalah untuk 6. Domanski M, Mckinla. trails acak sukses. Buku Pedoman untuk 21 st abad.
memperkenalkan pengacakan, termasuk konsep dan signifikansi dan untuk Philadephia, PA: Wolters Kulwer; 2009.
7. Kalish LA, Begg GB. metode alokasi pengobatan dalam uji klinis review. Stat Med
meninjau beberapa teknik pengacakan untuk memandu para peneliti dan praktisi
1985; 4: 129-44.
untuk lebih merancang uji klinis acak mereka. Penggunaan pengacakan secara
8. Fleiss JL, Levin B, Taman MC. Cara mengacak. Sebuah Metode statistik untuk Tarif dan
online secara efektif ditunjukkan dalam artikel ini untuk kepentingan peneliti. Proporsi. 3 rd ed, Hoboken NJ; John Wiley and Sons: 2003
pengacakan sederhana bekerja dengan baik untuk jalan klinis yang besar ( n> 100) 9. Schul KF, Grimes DA. Alokasi penyembunyian dalam uji acak: Membela melawan
dan untuk yang kecil sampai sedang uji klinis ( n < 100) tanpa kovariat, mengartikan. Lancet 2002; 359: 614-8.
10. Lachin JM, Matis JP, Wei LJ. Randomizations di jalan klinis, kesimpulan dan
penggunaan blok pengacakan membantu untuk mencapai keseimbangan. Untuk
rekomendasi. Kontrol Clin Trails 1988; 9: 365-74.
ukuran kecil hingga uji klinis moderat dengan beberapa faktor prognostik atau
11. Pocock SJ, Simon R. Sequential pengobatan tugas dengan menyeimbangkan faktor
kovariat, metode pengacakan adaptif bisa lebih berguna dalam memberikan prognostik di uji klinis yang terkontrol. Biometrics 1975; 31: 103-15.
sarana untuk mencapai keseimbangan pengobatan.
12. Weir CJ, Lees KR. Perbandingan stratifikasi dan metode adaptif untuk alokasi
pengobatan dalam uji klinis stroke akut. Stat Med 2003; 22: 705-26.
13. Zalene M. desain persetujuan Acak untuk jalan klinis: Sebuah upadate. Stat Med 1990; 9:
REFERENSI 645-56.
14. Wichmann BA, Bukit ID. Algoritma AS. Efisien dan portabel jumlah pseudorandom
1. Frane JW. Sebuah metode pengacakan koin bias, implementasi dan validasi. Obat generator yang. Statistik Terapan 1982; 31: 188-90.
Inf J 1998; 32: 423-32. 15. McLeod AI. Berkomentar AS R58. Sebuah pernyataan pada algoritma AS 183. Sebuah
2. Altaman DG Bland JM. Cara menggunakan mengacak. BMJ 1999; 319: 703-4. pseudo-random efisien dan portabel nomor generato. Appl Stat 1985; 34: 198-200.
3. Altaman DG, Bland JM. Statistik catatan. alokasi pengobatan di jalur dikendalikan:
Mengapa mengacak? BMJ 1999; 318: 1209.
4. pengembangan R Tim Inti. Sebuah Pengantar R 2004, Edisi Pertama, ISBN Bagaimana mengutip artikel ini: Suresh KP. Gambaran dari teknik pengacakan: Penilaian
0954161742. objektif tentang hasil dalam penelitian klinis. J Hum Reprod Sci 2011; 4: 8-11.
5. SAS lembaga Panduan Inc SAS / Stat Pengguna, versi 9.2, Cary, NC: SAS Institute Inc;
Sumber Dukungan: Nol, Konflik kepentingan: Tidak ada dinyatakan.
2009.
atau email ke beberapa situs atau diposting ke listserv tanpa izin tertulis pemegang hak cipta. Namun, pengguna dapat mencetak,