区组大小选择：固定区组 vs 可变区组
说到区块随机化的核心参数，区组大小的选择绝对是个绕不开的坎儿。我年轻时吃过亏，当时觉得随便定个数字就行了，后来在中期分析时被质疑盲态的保存性，才老老实实回来补课。
其实，这个选择说白了就两种路数：要么用固定区组，要么用可变区组。各有各的脾气，咱们一个一个捋清楚。
固定区组：简单直接，但有软肋
固定区组，顾名思义，就是整场试验里的每个区块大小完全相同。比如你定了一个区组长度为 4，那每一轮 4 个受试者的分组序列都是由软件重新生成并锁定的。
优点很明显：
- 操作简单，实验助理不需要动脑筋，照着分配表执行就行。
- 统计效率高，每个区组内的处理组人数完全均衡，整体累积均衡性也容易追踪。
- 数据审核时一目了然，审计员特别喜欢这种“干干净净”的设计。
但坑也在这里：
- 可预测性问题严重。如果你用的是 2 处理组、区组长度 4，当某个区组已经分配了 1 个 A 和 2 个 B，那第 4 个受试者几乎可以断定是 A。盲态荡然无存。
- 我遇到过的情况：一个亚太多中心试验，CRA（临床监查员）在监查时发现部分中心的上一个区组最后两例的分配结果竟然被猜对了。迫不得已，我们只能在中期把区组长度改成 6 并混合可变区组，那叫一个折腾。
风险警报：一旦区组长度被破译，整个随机化分配的不可预测性就会崩塌。尤其是在开放标签或单盲试验里，固定区组≈自爆身份。
所以，我个人通常只在以下场景选固定区组：
- 试验是双盲的，且药物包装完全一致，不存在揭盲风险。
- 样本量极小（比如小于 30），没法做可变区组。
- 这是一个早期阶段的概念验证试验，不需要太复杂的质控措施。
可变区组：保密性更强，但管理更费心
可变区组就是在整个试验过程中，区组长度不是固定值，而是从一个预先设定好的长度集合中随机抽取的。
比如你规定区组长度集合为 {4, 6, 8}，每生成一个新区组时，系统先从集合中随机挑一个长度，再根据这个长度生成对应的随机序列。
好处是：
- 极大降低可预测性。外人根本不知道当前这个区组是要填 4 个人还是 8 个人，猜不到的。
- 增加了对手都不知道什么策略的反制能力。
- 在长周期的试验中，累积均衡性依然保持得很好。
但也要付出代价：
- 编程实现更复杂。需要 IWRS（交互式网络随机化系统）支持“随机抽长度”的逻辑。
- 审计追踪要更细致。你得能追溯每个区组实际用了哪个长度，为什么用这个长度。
- 如果集合中的长度差距过大（比如 2 和 10），小长度区组会导致超短期失衡——这是坑。
我的建议：可变区组的长度集合，最小长度不要小于处理组数的 2 倍，最大长度不要超过最小长度的 3 倍。比如 2 处理组，建议集合写 {4, 6, 8}，别写 {2, 10}。
很多朋友问我：“那到底什么时候该用可变区组？”
嗯，我的个人习惯是：
- 多中心、大样本的 III 期试验，首选可变区组。
- 任何非双盲试验，一律上可变区组。
- 试验执行周期超过 1 年的，用可变区组更安心。
实战中的选择思路
光看理论不行，咱们还得落地。我一般会按下面这个流程走一遍：
步骤 1：确认处理组数量和试验类型
步骤 2：设定可接受的区组长度范围（通常是 2~10 倍处理组数）
步骤 3：生成 2~3 个候选方案（固定 vs 可变集合 A vs 可变集合 B）
步骤 4：每个方案模拟 1000 次随机分配过程
步骤 5：统计“最后一次分配被猜中的概率”和“组间最大累积失衡”
步骤 6：选择“可预测性最低 + 不均失衡可接受”的方案你看，我从来不是在纸上拍脑袋选，而是让数据说话。
避坑指南：我曾经在一个试验里固定区组长度写成 6，结果中期分析被质疑。后来改成 {4, 6, 8} 的可变区组，问题直接解决。记住，宁可多花半天在模拟上，也不要等到监查报告出来再补窟窿。
固定区组 vs 可变区组：一张表说清楚
| 对比维度 | 固定区组 | 可变区组 |
|---|---|---|
| 实现复杂度 | 低，Excel 和简单 IWRS 都能做 | 高，需要更灵活的随机化引擎 |
| 可预测性 | 中等偏高，亚组可猜 | 低，长度随机后预测难度陡增 |
| 短期均衡性 | 完美，每区组内完全均衡 | 偶有微小波动，但总体可接受 |
| 审计友好度 | 高，清晰可追踪 | 中，需要额外说明长度抽取逻辑 |
| 推荐场景 | 双盲、小样本、早期试验 | 开放/单盲、大样本、多中心 III 期 |
核心观点：不要因为省事就全用固定区组。保密性的代价和均衡性一样重要。在质控视角下，我更倾向于给大部分试验装上可变区组，哪怕是只设两种长度（比如 4 和 6）。
知识结构：一张图看懂区组选择逻辑
下面这张图是我自己常用的选择逻辑框架，你也可以照着它走一遍。
你看，从最基础的试验类型开始，一步步就能推到自己该用哪条路。这个决策树的逻辑，我在过去五年的项目中一直用，没出过偏差。
几个需要留意的细节
真正做设计的时候，还有几个点不能忽略：
- 区组长度不能被总样本量整除。比如总样本 50，用固定区组长度 4，最后一个区组必然不完整。这时候要么补一个小子集，要么用可变区组自动消化掉余数。
- 中心间的区组分隔。多个中心各自独立运行随机化，一定要给每个中心单独开局，别跨中心共享区组序列——会乱套的。
- 中期分析后的区组长度是否要变？我个人习惯是不变的，除非预设了中期揭盲后的重新随机化策略。变了会引入新的 bias。
重大警告：不要在试验已经进行到一半时无理由修改区组长度方案。任何改动都要有明确的预设条款和伦理委员会批准。否则，审计员会把你按在墙上问三个小时。
好，关于区组大小的选择，就聊到这儿。固定区组和可变区组，你根据自己的场景选一个，然后做好模拟验证就行。记住：保密性是质控的灵魂，别为了省事丢了它。