翻阅ICH指南或经典的统计学教材，随机化总是被置于临床试验设计的核心位置。结合这些年的项目实操经验，有临来雅团队对这一点深有体会。很多人把随机化简单理解为“把患者随机分成两组”，这其实低估了它的价值。它的核心在于从统计学机制上保证组间的可比性。今天我们就来客观拆解一下随机化背后的方法学逻辑。

01.

为什么要随机化？

临床试验最大的威胁是混杂偏倚——那些影响结局但与分组无关的因素。如果分组不随机，这些因素就会“选择性”地聚集在某组，导致我们错误地把混杂因素的作用当成治疗的作用。

举个真实的逻辑陷阱。某药企做降糖药和标准治疗的对比，把“愿意尝试新药”的分到新药组，“担心风险”的分到标准组。结果新药组可能集中了更多年轻、病程短、依从性好的患者。哪怕新药和标准药疗效完全一样，新药组的数据也会显得“更好”。

这就是选择性偏倚的威力，而随机化正是为了从机制上消除这种偏倚。

02.

随机化方法大盘点

01简单随机

最基础的“抛硬币”法。实施简单，但在小样本临床试验中，两组最终例数可能出现较大偏离。理论上是样本越大越均衡，但实际做试验，样本量往往是“刚好够用”，没多少余量去赌这个概率。

02区组随机

把患者“打包”成区块，确保每个区块内两组例数满足比例，假设两组比例1：1。比如区组长度为4，排列有AABB、ABAB、ABBA、BAAB、BABA、BBAA六种（C(4,2)=6），每种出现概率相等，保证区块结束后例数必然平衡。

这种方法能保证总例数均衡，但有个实操隐患：如果区组长度固定，盲法设计不当，研究者记录几次入组顺序后，很容易猜出下一个分配。因此，实际操作中通常会使用可变区组（如4和6随机交替出现）来降低猜测风险。

03分层随机

按重要预后因素先分层，再在层内随机。比如按糖尿病病程（<5年 vs ≥5年）分层。多中心试验中，“中心”是比较常规的分层因素之一。

这里有个经验法则：分层因素不能太多，通常不超过3-4个。如果分层过多，根据统计学中的“格子问题”，某些协变量组合下的受试者例数会趋近于零，分层反而失去了统计学意义。

04动态随机

根据已入组患者的基线特征，动态调整后续分配概率。常用的是最小化法和偏性掷币法。它能保证多维因素均衡，尤其适合小样本、影响因素多的试验，但实施复杂，在非盲试验中有被“游戏”的风险。

03.

随机序列的生成与保存

不少人以为随机化就是“查随机表”或用Excel生成。其实更关键的是序列的生成和保存规范。ICH E9对此有明确要求：

行业稽查中常能发现一类高风险操作：通过普通邮件直接将随机清单下发给各中心。随机清单是盲底的核心载体，一旦通过这种非加密渠道发生泄露，试验的“分配隐蔽性”将荡然无存。这属于严重的合规漏洞，在监管检查中极易被判定为盲态保护失效与数据完整性存疑，甚至直接导致试验结果不被监管机构采信，前期投入付诸东流。

04.

中心化随机与适应性随机

现在的大型试验基本标配了中心化随机系统（IXRS/IWRS）。相比研究者本地执行的现场随机，中心化系统能自动记录、实时监控均衡性，从机制上降低了造假和遗漏风险，是质量控制的重要手段。

另外，传统随机化规则是固定的，而适应性随机允许根据试验进展调整策略。比如响应-adaptive随机，会根据累积疗效数据，把更多患者分到“看起来更好”的组。但需要提醒的是，由于这种方法会引入时变偏倚，导致传统显著性检验失效，目前更多用于探索性试验。若要在关键注册试验中使用，必须提前与监管机构就复杂的统计分析计划进行充分沟通。

05.

给实操的几点建议

结合项目经验，总结几条避坑指南：

• 样本量不大时（例如<200），建议优先考虑区组随机，以更好控制两组例数的均衡。
• 多中心试验如允许可以考虑‘中心’为分层因素之一，在中心内随机，以控制中心效应、保证各组在各中心内的均衡。
• 当已知的重要预后因素为2–3个时，分层随机通常是稳妥选择；但层数不宜过多，以免部分亚层例数过少。
• 随机序列应由独立人员提前生成、可重复并保密；试验过程中不得根据已入组情况对序列进行事后修改。

随机化是临床CRO开展临床试验的“定海神针”。下次设计随机方案时，不妨多问一句：这个方法真能保证组间均衡吗？实施过程有没有漏洞？把问题想在前头，比事后补救要省心得多。

声明：

本文内容仅为基于统计学理论与临床试验常规实践的专业探讨，旨在提供方法学参考，不构成任何具体的临床试验设计指导或监管合规建议。由于医学统计领域发展迅速且具体试验情况千差万别，文中观点难免存在局限或疏漏。如发现任何不当或错误之处，恳请业内同道不吝批评指正，欢迎在评论区留言交流。

参考文献：

[1] ICH E9 (R1) Expert Working Group. Statistical principles for clinical trials: addendum: estimands and sensitivity analysis in clinical trials. International Council for Harmonisation, 2019.
[2] Pocock SJ. Clinical Trials: A Practical Approach. John Wiley & Sons, 1983.
[3] Rosenberger WF, Lachin JM. Randomization in Clinical Trials: Theory and Practice. John Wiley & Sons, 2002.
[4] Friedman LM, Furberg CD, DeMets DL, et al. Fundamentals of Clinical Trials. 5th ed. Springer, 2015.
[5] U.S. Food and Drug Administration (FDA). Adaptive Designs for Clinical Trials of Drugs and Biologics: Guidance for Industry. 2019.
[6] U.S. Food and Drug Administration (FDA). Good Review Practice: Clinical Review of IND Applications. 2013.
[7] 国家药品监督管理局. 《药物临床试验质量管理规范》. 2020年.