为确保随机临床试验中的所有组在关键亚组中的参与者比例大致相同，统计学家通常将患者分配到每个组，并在最终分析中考虑这些分层因素。

由 SWOG 癌症研究网络的研究人员领导的一项计算研究发现，对于规模适中的2期试验，具有超过一个或两个分层因素的分层分析可以显着降低试验检测阳性结果的能力。

这项工作将于 12 月 12 日在新奥尔良举行的血液学会 2022 年年会和博览会上发表(ASH 2022 摘要#4027)。

为了测试分层对统计功效的影响，研究人员使用正在最终确定的随机 2 期急性髓性白血病试验方案的设计假设来模拟试验数据。他们根据设计运行了多次模拟，在随机化和分析中使用越来越多的分层因素。然后，他们估计了每个模拟的统计功效，同时保持允许的 1 型误差大致恒定。也称为误报，类型 1 错误在实际不存在影响时得出影响。

研究人员发现，对于他们所使用的小型 2 期试验设计，其总样本量为 84 名参与者(每组 42 名)，包括一个或两个分层因素的分层分析并没有显着降低统计能力。一个未分层的设计。然而，当使用四个或六个分层因素时，统计功效分别从未分层设置的 88% 左右降至 75% 或 55%。一般来说，临床试验设计的目标是至少有 80% 的功效来检测治疗组之间的差异。

该分析由弗雷德哈钦森癌症中心的 SWOG 生物统计学家 Anna Moseley 领导。Moseley 指出，目前文献中缺乏关于额外分层因素对统计功效的影响的具体数据。

“实验的推动力是，在尝试向研究团队建议在分层中使用多少因素时，没有任何数据可供查看，至少在第二阶段试验的设置中没有——因此样本量很小——可能有许多分层因素。”

她说，新发现“可以帮助统计学家在设计试验时提供更明智的建议，并有理由将我们的分层因素数量限制在那些真正影响每位患者达到主要终点的可能性的因素上。 。”

她补充说：“我们可能倾向于假设我们希望武器尽可能平等，”这是有道理的，因为你希望所有这些重要因素在所有武器上平均分配，以使试验最有可能不偏不倚，但这样做有一个缺点：它会影响你展示积极结果的能力。”