.jpg){kind=link}
- 发布
- 更新
在一个整群内增加更多人，未必能获得与增加一个独立整群相同的信息增益。当随机化单元较少时，即使总受试者人数看似可观，均衡和不确定性估计仍需特别关注。
明确问题与假设
分别展示整群数量、规模分布和群内相似性假设。大单元可能作出不成比例的贡献，小单元则可能代表不同人群。整群数较少时，分析方法需要专家评估；仅凭个体样本量，不能宣称实际分配设计具有足够效能或精确度。
假设性研究示例
在一项假设研究中，一组包含少数大型中心，另一组包含较多小型中心，人数看起来相近。团队审查整群规模和基线特征，而不假定大量入组能消除各中心诊疗模式的共同影响，或使设计等同于个体随机化。
设计审查核查要点
- 对每个研究组分别报告整群数和规模分布。
- 检查大型整群如何贡献并影响总体估计。
- 在不同群内相似性水平下评估规划假设。
记录决策及其局限
经认可的设计还应考虑整个整群流失的影响。少量单元之间的偶然差异可能仍很重要，不应从报告中消失。应依据统计理由选择校正方法。与其承诺增加人数能解决所有结构问题，不如解释哪些独立信息仍然有限。
常见问题
- 总人数很大就能解决整群较少的问题吗？
- 不一定。独立整群数量也决定可用信息量。
- 人数相等就意味着设计等同吗？
- 不是。整群分布和群内关系可能不同。