基于随机中心效应的协变量自适应随机化推断方法在临床试验中的应用与评估

　　来自GSK的研究团队针对多中心试验中因中心变量未纳入模型导致的I类错误风险，提出将中心作为随机效应纳入分析，通过模拟研究证实该方法对高斯、二项和泊松终点均能有效控制I类错误并保持最大统计功效，为替代再随机化检验提供新方案。

　　

在多中心临床试验中，最小化法（minimization）是协变量自适应随机化（Covariate-Adaptive Randomization）的常用策略。现有文献表明，当统计模型纳入最小化变量时，I类错误（type-I error）可得到控制。但实践中，像招募中心（recruitment center）这类多分类的最小化变量常被忽略。本研究提出将中心（center）作为随机效应（random effect）纳入模型，并通过模拟实验评估其在高斯（Gaussian）、二项（binary）和泊松（Poisson）终点变量中的表现。模拟结果显示：随机效应模型在不同临床试验场景下均能有效控制I类错误，并对三类终点均保持最大统计功率（maximum power）。该方法为监管机构常推荐的敏感性分析工具——再随机化检验（re-randomization test）提供了新的替代路径。

利益冲突声明：Anjali Pandey、Harsha Shree BS和Andrea Callegaro均为GSK集团雇员，Andrea Callegaro持有GSK集团股票期权。