Выделяют фиксированную рандомизацию (простую, блоковую и стратифицированную), динамическое распределение (метод «несимметричной монеты» и адаптивную рандомизацию). При фиксированной рандомизации пациент распределяется в ту или иную группу на основании случайных чисел, полученных из специальных таблиц или сгенерированных с помощью компьютерной программы. Простая рандомизация предполагает равновероятное распределение испытуемых в группы. Так, в случае, если имеются две группы — основная и контрольная, то есть вероятность попадания в группу лечения равна вероятности попадания в группу контроля и равна 50%. В таком случае возможно возникновение на определенном этапе исследования существенной разницы в численности групп, дисбаланса групп по возрасту, полу, тяжести заболевания и другим признакам. Метод блоковой рандомизации помогает достичь большей сбалансированности между группами по численности испытуемых в каждый момент проведения исследования — рандомизационная последовательность в этом случае формируется из блоков заданной длины, внутри которых и проводится случайное распределение.

110_random.jpg (6328 bytes)

Рисунок. Пример рандомизационной последовательности при блоковой рандомизации.

Пример готовой рандомизационной последовательности при блоковой рандомизации 16 испытуемых (размер блока фиксирован) приведен на рисунке. «А» означает распределение в группу А, «Б» — в группу Б, длина блока 4, вероятность распределения в ту или иную группу в соответствии с протоколом равна 50%. В этом примере первый рандомизированный пациент будет распределен в группу А, второй и третий в группу Б и так далее до 16 пациента, который попадает в группу А. Исследователь не имеет доступа к рандомизационной последовательности и не знает, в какую группу попадет каждый следующий испытуемый.

Однако при блоковой рандомизации исследователь может спрогнозировать, в какую группу будет распределен следующий испытуемый (если известен размер блока, предыдущие распределения внутри блока, а одна из двух групп внутри блока полностью укомплектована) — например, очевидно, что пациенты 7 и 8 из рисунка будут распределены в группу А, если известно, что длина блока 4, а пациенты 5 и 6 были распределены в группу Б. С целью недопущения такой возможности можно использовать случайное определение размера блоков (с использованием генератора случайных чисел) или не раскрывать информацию о величине блока, если она фиксирована.

Хотя в протоколе клинического исследования описывается принцип рандомизации, вероятность попадания в ту или иную группу, используемый технический метод осуществления процедуры, протокол не должен содержать специфических деталей, позволяющих исследователю спрогнозировать результат рандомизации для определенного испытуемого (например, длину блоков при блоковой рандомизации). Это требование содержится в документе ICH E9.

При стратифицированной (послойной) рандомизации учитывается какой-либо один или несколько (обычно не больше двух) важных признаков, которые могут существенно повлиять на результаты лечения, а, следовательно, должны быть равномерно распределены между группами. Такими признаками могут быть пол, возраст, основной диагноз, основной препарат базовой (неисследуемой) терапии, тяжесть состояния при поступлении и т.д. Это делается для того, чтобы формируемые таким образом отдельные выборки (группы лечения) были репрезентативными по отношению к генеральной совокупности (всех испытуемых, включенных в клиническое исследование) по основным прогностическим факторам, другими словами, чтобы каждая группа лечения была максимально похожа по составу на общую популяцию испытуемых данного исследования.

Метод «несимметричной монеты» позволят достичь большего равновесия между группами по какому-либо одному показателю путем динамического изменения вероятности включения испытуемых в ту или иную группу в зависимости от текущего баланса групп по заданному показателю. Так, для достижения текущего баланса групп по количеству испытуемых применяется следующий алгоритм: при включении испытуемого в исследование вероятность отнесения его к группе с меньшим количеством участников будет больше 50% (как правило, используется вероятность 66,6%), а если численность групп на определенном этапе равна, то вероятность распределения в одну их двух групп для следующего испытуемого составляет 50%.

Методы адаптивной рандомизации применяют при адаптивном дизайне клинических исследований, в которых распределение испытуемых в группы проводится таким образом, чтобы к концу исследования наибольшее количество испытуемых получило наиболее эффективный (или наиболее безопасный) препарат или дозу исследуемого препарата.

В таких случаях вероятность распределения пациентов в ту или иную группу лечения динамически изменяется на основании результатов промежуточных анализов данных. Существует много методов отклик-адаптивной рандомизации — например метод «игра на победителя» (Randomized-Play-the-Winner), пользосмещенная модель (Utility-Offset Model), модель максимальной полезности (Maximum Utility Model).

Преимуществом метода «игра на победителя» является то, что большему количеству пациентов будет назначено более эффективное лечение. К числу недостатков этого метода относится сложность расчета размера выборки; необходимость того, чтобы исходы для каждого предыдущего испытуемого были определены до момента включения следующего испытуемого в исследование; периодическое или постоянное раскрытие данных при слепых клинических испытаниях. Для борьбы с этими недостатками применяют автоматизацию процесса отнесения пациентов в группы путем разработки программного обеспечения и поэтапное проведение исследования.

При использовании в качестве метода адаптивной рандомизации пользосмещенной модели вероятность распределения пациента в ту или иную группу вычисляется на основании частоты положительного отклика на каждый из вариантов лечения и доли испытуемых, уже распределенных в эту группу.

В случае осуществления адаптивной рандомизации с помощью модели максимальной полезности следующий пациент всегда распределяется в ту группу, в которой наблюдается (или на основании модели предполагается) более высокая эффективность лечения.

Однако существуют определенные трудности и особенности применения методов адаптивной рандомизации. При слепом дизайне необходимо, например, обеспечить периодическое или постоянное раскрытие данных (часто для этого привлекается отдельная группа «неослепленных» статистиков); скорость анализа данных зависит от скорости их поступления, поэтому рандомизация следующего пациента может происходить до учета реакции предыдущего испытуемого и т.д.