Адаптивна рандомізація () — це метод розподілу учасників клінічних випробувань у групи лікування, при якому ймовірність призначення пацієнта до тієї чи іншої групи змінюється в ході дослідження. На відміну від простої рандомізації, де ймовірність фіксована (зазвичай 50/50), адаптивні методи враховують характеристики вже включених пацієнтів або попередні результати ефективності лікування.

Цей підхід дозволяє мінімізувати дисбаланс між групами за важливими прогностичними факторами або етично максимізувати кількість пацієнтів, які отримують більш ефективне лікування.

Історія та передумови Традиційна (проста) рандомізація, наприклад, підкидання монети, є золотим стандартом для усунення систематичної помилки відбору (selection bias). Однак у невеликих або середніх за обсягом вибірках проста рандомізація може призвести до випадкового дисбалансу ("chance imbalance"). Наприклад, в одній групі може виявитися значно більше літніх людей або пацієнтів з тяжким перебігом хвороби, що ускладнює статистичний аналіз та інтерпретацію результатів.

Для вирішення цієї проблеми у другій половині XX століття були розроблені адаптивні методи. У 1971 році Бредлі Ефрон запропонував дизайн "упередженої монети" (Biased Coin Design). У 1975 році Стюарт Покок та Річард Саймон розробили метод мінімізації, який став стандартом для балансування груп за багатьма коваріатами.

+ Порівняння простої та адаптивної рандомізації Характеристика Проста рандомізація Адаптивна рандомізація Ймовірність розподілу Фіксована (наприклад, 0.5) Змінюється залежно від поточних даних Баланс груп Гарантується лише асимптотично (на великих вибірках) Активно контролюється протягом дослідження Складність реалізації Низька Висока (потребує спеціалізованого ПЗ) Ризик розкриття (Unblinding) Низький Вищий (можливість передбачення наступного призначення)

Класифікація методів Методи адаптивної рандомізації поділяються на дві великі категорії залежно від того, яка інформація використовується для адаптації: базова інформація про пацієнта (коваріати) або результати лікування (відповідь).

Коваріатна адаптивна рандомізація Метою цих методів (Covariate-adaptive randomization, CAR) є забезпечення збалансованості груп за ключовими прогностичними факторами (наприклад, вік, стать, стадія захворювання).

Метод "Упередженої монети" (Biased Coin Design) Запропонований Бредлі Ефроном. Логіка методу полягає в тому, що якщо виникає дисбаланс, ймовірність призначення в меншу групу штучно збільшується. Якщо (у групі А більше пацієнтів), наступний пацієнт призначається в групу В з ймовірністю (наприклад, 2/3). Якщо , ймовірність призначення в групу А стає . Якщо , ймовірність залишається 0.5.

Урнові схеми (Urn models) Класичний приклад — схема Фрідмана-Вейя. Уявіть урну з кульками двох кольорів (А і В). Спочатку в урні рівна кількість кульок. Коли пацієнта рандомізують, витягують кульку, і він отримує відповідне лікування. Щоб збалансувати групи, в урну додають додаткову кульку протилежного кольору (або повертають кульку назад із додатковими). Це збільшує ймовірність того, що наступний пацієнт потрапить у групу, яка зараз менша.

Метод мінімізації Метод мінімізації (), розроблений Пококом і Саймоном (1975), є «золотим стандартом» в онкологічних дослідженнях. Його мета — звести до мінімуму різницю між групами за кожним із прогностичних факторів (коваріат).

Алгоритм базується на розрахунку «маргінальних підсумків» для нового пацієнта: система обчислює потенційний дисбаланс коваріат у разі призначення в групу А або В. Пацієнт розподіляється у ту групу, що мінімізує загальну різницю, проте не детерміновано, а з високою ймовірністю (наприклад, ). Такий стохастичний підхід (Biased Coin Assignment) зберігає елемент випадковості, унеможливлюючи передбачення призначення лікарем і забезпечуючи дотримання сліпого методу.

+ Приклад розрахунку (Новий пацієнт: Чоловік) Фактор Характеристика Група А (n=20) Група В (n=18) Стать Чоловіча 12 8 Призначення в Групу В зменшить дисбаланс, тому система обирає її з ймовірністю 80%.

Рандомізація, заснована на результатах (RAR) Ці методи (Response-adaptive randomization, RAR) використовують дані про ефективність лікування попередніх пацієнтів для коригування ймовірностей для майбутніх пацієнтів. Етична мета — призначати більше пацієнтів на лікування, яке демонструє кращі результати.

Правило "Play-the-winner" (RPW) Один із найперших дизайнів. Детермінована версія: Якщо попередній пацієнт у групі А мав успіх, наступний пацієнт теж йде в групу А. Якщо була невдача — наступний йде в групу В. Рандомізована версія (Wei’s Urn): Використовує урну. При успішному лікуванні в урну додаються кульки того ж кольору (збільшуючи шанс для наступних). При невдачі — додаються кульки іншого кольору.

Оптимальні дизайни Сучасні статистичні підходи, які намагаються досягти конкретної цілі, наприклад, мінімізувати загальну кількість невдач у дослідженні при збереженні певної статистичної потужності. Ймовірності розраховуються за складними математичними формулами на основі поточної оцінки ефективності.

Переваги та недоліки Використання адаптивної рандомізації вимагає ретельного зважування плюсів та мінусів.

Переваги Етичність: У методах RAR більше пацієнтів отримують потенційно краще лікування ще до завершення дослідження. Це критично важливо для випробувань ліків від смертельних хвороб. Статистична ефективність: Методи CAR (особливо мінімізація) забезпечують відмінний баланс груп навіть при малих розмірах вибірки (<100 пацієнтів), що збільшує статистичну потужність дослідження. Гнучкість: Дозволяє швидше виявляти неефективні гілки дослідження та зупиняти їх (futility stopping).

Недоліки Складність логістики: Необхідна централізована комп'ютерна система, яка в реальному часі отримує дані та видає результат рандомізації. Будь-яка затримка у введенні даних може спотворити алгоритм. Ризик систематичної помилки відбору (Selection Bias): Якщо лікар може передбачити, яке призначення буде наступним (наприклад, знаючи алгоритм мінімізації та характеристики попередніх пацієнтів), він може свідомо чи несвідомо впливати на відбір пацієнтів. Часова нестабільність (Drift): Характеристики пацієнтів можуть змінюватися протягом часу (наприклад, на початку дослідження хворі важчі, ніж в кінці). Адаптивні методи чутливі до таких трендів.

Застосування Адаптивна рандомізація широко застосовується в: **Фазах II та III клінічних досліджень** нових лікарських засобів. **Дослідженнях рідкісних захворювань (орфанних)**, де неможливо зібрати велику вибірку для простої рандомізації. **Персоналізованій медицині**, де необхідно враховувати велику кількість біомаркерів.

Регуляторні органи, такі як FDA (США) та EMA (Європа), визнають валідність адаптивних дизайнів, але вимагають детального обґрунтування алгоритмів та проведення симуляцій перед початком дослідження.

Див. також Клінічне випробування Рандомізація Біостатистика Доказова медицина Ефект плацебо

Примітки

Джерела Нормативні документи

Ключові наукові статті — Класична праця, що описує метод мінімізації. — Перший опис методу «упередженої монети».