Стратифицированная рандомизация

Стратифицированная рандомизация — это метод распределения участников эксперимента или наблюдения по группам (например, контрольной и экспериментальной), при котором сначала вся совокупность делится на однородные подгруппы (страты) по одному или нескольким ключевым признакам, а затем внутри каждой страты проводится случайное распределение. Основная цель метода — обеспечить сопоставимость групп по важным для исследования характеристикам, что повышает статистическую мощность и внутреннюю валидность выводов.

История и развитие метода

Идея стратификации в статистике восходит к работам Рональда Фишера, который в 1920-х годах заложил основы дисперсионного анализа и рандомизации в сельскохозяйственных опытах. Однако целенаправленное применение стратифицированной рандомизации в клинических исследованиях начало развиваться в середине XX века. В 1948 году в Великобритании было проведено одно из первых рандомизированных контролируемых испытаний (РКИ) — исследование стрептомицина при туберкулёзе, где уже применялись элементы стратификации по возрасту и тяжести заболевания.

В 1970-е годы, с развитием компьютерных технологий и появлением сложных статистических пакетов, метод получил широкое распространение в биомедицинских исследованиях. В 1990-е годы были разработаны алгоритмы адаптивной стратификации, позволяющие динамически корректировать распределение в ходе эксперимента. В России метод активно используется с 1960-х годов, особенно в эпидемиологических исследованиях и клинических испытаниях лекарственных средств.

Основные принципы

Выбор стратифицирующих переменных

Страты формируются на основе факторов, которые могут существенно влиять на исход исследования. Типичные переменные включают:

• Демографические: возраст, пол, место жительства (город/село), социально-экономический статус.
• Клинические (в медицинских исследованиях): стадия заболевания, индекс массы тела, сопутствующие патологии.
• Технологические (в промышленных экспериментах): тип оборудования, смена производства, партия сырья.

Количество страт должно быть разумным: слишком много страт (более 10-15) может привести к тому, что в некоторых подгруппах окажется слишком мало участников для рандомизации.

Процедура рандомизации внутри страт

После деления на страты в каждой из них применяется один из стандартных методов рандомизации:

• Простая рандомизация (например, подбрасывание монеты или генератор случайных чисел).
• Блочная рандомизация — для обеспечения равного числа участников в группах внутри страты.
• Адаптивная рандомизация — корректировка вероятностей распределения в зависимости от предыдущих результатов.

Обеспечение баланса

Главное преимущество метода — гарантированный баланс по стратифицирующим переменным между группами. В отличие от простой рандомизации, где случайно может возникнуть дисбаланс (например, в экспериментальной группе окажется больше пожилых людей), стратифицированная рандомизация минимизирует этот риск.

Классификация методов

По способу формирования страт

• Фиксированная стратификация: страты определяются до начала исследования на основе известных характеристик популяции. Наиболее распространённый вариант.
• Динамическая (адаптивная) стратификация: страты корректируются в ходе исследования по мере накопления данных. Используется в многоцентровых испытаниях, где центры могут различаться по составу пациентов.

По типу рандомизации внутри страт

• Простая блочная рандомизация: внутри каждой страты участники распределяются блоками фиксированного размера (например, по 4 или 6 человек).
• Стратифицированная рандомизация с минимизацией: метод, при котором распределение очередного участника зависит от текущего баланса по нескольким факторам. Разработан в 1970-х годах и часто применяется в небольших исследованиях.

По числу стратифицирующих переменных

• Одномерная стратификация: деление по одному признаку (например, только по полу).
• Многомерная стратификация: деление по двум и более признакам (например, пол + возрастная группа + стадия заболевания). Требует большего объёма выборки.

Применение

Клинические исследования

Стратифицированная рандомизация является стандартом в РКИ лекарственных средств и медицинских вмешательств. Например, при испытании нового препарата для лечения гипертонии пациентов могут стратифицировать по возрасту (до 60 лет, 60-75 лет, старше 75 лет) и исходному уровню артериального давления. Это позволяет корректно оценить эффект препарата в разных подгруппах и избежать систематических ошибок.

Эпидемиология

В когортных исследованиях и исследованиях «случай-контроль» стратификация используется для контроля смешивающих факторов (confounders). Например, при изучении связи между курением и раком лёгких стратификация по возрасту и полу позволяет исключить влияние этих переменных.

Социальные науки

В социологических опросах и экспериментах стратифицированная рандомизация применяется для обеспечения репрезентативности выборки. Например, при изучении политических предпочтений респондентов могут стратифицировать по региону проживания, уровню дохода и образованию.

Промышленность и сельское хозяйство

В производственных экспериментах (например, при тестировании новой технологии обработки деталей) стратификация по типу станка или смене позволяет учесть технологические различия. В сельском хозяйстве метод используется для оценки урожайности сортов растений на разных типах почв.

Преимущества и недостатки

Преимущества

• Повышение статистической мощности: за счёт уменьшения дисперсии ошибки, связанной с мешающими факторами.
• Гарантированный баланс: по ключевым переменным, что упрощает интерпретацию результатов.
• Возможность анализа подгрупп: стратифицированная рандомизация позволяет проводить отдельные сравнения внутри страт.
• Устойчивость к случайным дисбалансам: особенно в небольших выборках.

Недостатки

• Сложность реализации: требует предварительного знания распределения стратифицирующих переменных в популяции.
• Увеличение объёма выборки: при большом числе страт может потребоваться больше участников для обеспечения рандомизации в каждой подгруппе.
• Риск избыточной стратификации: если страты слишком мелкие, рандомизация внутри них может быть неэффективной.
• Трудности с многоцентровыми исследованиями: если центры различаются по составу пациентов, стратификация по центру может быть необходима, но усложняет дизайн.

Статистический анализ

При использовании стратифицированной рандомизации анализ данных должен учитывать стратификацию. Стандартные методы включают:

• Стратифицированный анализ (например, тест Мантеля-Хензеля для таблиц сопряжённости).
• Регрессионные модели с включением стратифицирующих переменных как ковариат.
• Многоуровневые модели (mixed models) для учёта иерархической структуры данных.

Игнорирование стратификации при анализе может привести к завышению или занижению статистической значимости результатов.

Примеры

Пример 1: Клиническое испытание антикоагулянта

В исследовании эффективности нового антикоагулянта для профилактики инсульта у пациентов с фибрилляцией предсердий (2009 год, N=18 201) использовалась стратификация по возрасту (до 75 лет, 75 лет и старше) и по шкале риска CHADS2. Это позволило выявить, что препарат особенно эффективен у пациентов старше 75 лет с высоким риском.

Пример 2: Социологический эксперимент

В исследовании влияния образовательных программ на успеваемость школьников (Россия, 2018 год) стратификация проводилась по типу школы (городская/сельская) и уровню подготовки учеников (высокий/средний/низкий). Внутри каждой страты случайным образом распределяли классы на контрольную и экспериментальную группы.

Интересные факты

• В некоторых крупных международных исследованиях (например, в испытаниях вакцин от COVID-19) стратификация проводилась по возрасту, полу, расе и сопутствующим заболеваниям, что позволило оценить эффективность в разных популяционных группах.
• Метод минимизации, близкий к стратифицированной рандомизации, был впервые описан в 1974 году британским статистиком Стюартом Пококом и до сих пор используется в небольших клинических испытаниях.
• В России требования к стратифицированной рандомизации закреплены в «Правилах проведения клинических исследований лекарственных препаратов» (приказ Минздрава РФ № 200н от 2016 года).

Источники

1. Фишер Р. А. Статистические методы для исследователей. — М.: Наука, 1958.
2. Покок С. Дж. Клинические испытания: практическое руководство. — М.: Медицина, 1990.
3. Altman D. G., Bland J. M. Statistics notes: How to randomise // BMJ. — 1999. — Vol. 319, № 7211. — P. 703–704.
4. Приказ Минздрава РФ от 01.04.2016 № 200н «Об утверждении правил надлежащей клинической практики». — М., 2016.
5. Schulz K. F., Grimes D. A. Generation of allocation sequences in randomised trials: chance, not choice // The Lancet. — 2002. — Vol. 359, № 9305. — P. 515–519.