La randomisation, les différents types
La randomisation en recherche clinique
La randomisation est un processus qui permet d’attribuer des participants à différents traitements de manière complètement aléatoire. Elle a pour objectifs d’éviter les biais d’attribution et garantir une comparabilité entre les groupes de traitement. Au final, la randomisation permet que les différences observées entre les groupes soient attribuées uniquement au traitement étudié et non à d’autres facteurs.
CONTENUS
En statistiques
En statistique, la randomisation est une méthode utilisée pour générer des échantillons représentatifs de la population. Cette méthode utilise des listes de nombres aléatoires (ou semi-aléatoires) pour générer les assignations de manière imprévisible. En effet, ces listes attribuent le type de traitement au sujet d’une manière totalement hasardeuse, tout en générant des groupes équilibrés. L’expérimentateur n’a plus qu’à attribuer le traitemnt au sujet selon la liste de randomisation sans aucune influence directe ou indirécte. En procédant à la disribution des traitements selon une liste de randomisation préétablie, permet de contrôler les biais systématiques. Ce qui permet de garantir que les résultats des analyses reflètent de les propriétés de la population étudiée.
Les différents types de randomisation
Pour bien choisir le type de randomisation à appliquer, il faut prendre en compte plusieurs facteurs. En premier lieu le plan expérimental et les objectifs de l’étude. Par exemple lors d’une étude contrôlée randomisée multicentrique, il faut assurer une répartition équilibrée et aléatoire des participantes dans les groupes et dans les centres.
Lorsque l’objectif de l’étude est d’évaluer un traitement en fonction de certaines caractéristiques des sujets, il faut réparir aléatoirement les traitements par groupes mais aussi par caractéristiques ou strates.
De manière générale, le choix du type de randomisation dépend des objectifs de l’étude, des caractéristiques des participants, de la taille de l’échantillon ainsi que des contraintes logistiques et éthiques de l’étude.
En voici les principaux types.
Randomisation simple
Simple à mettre en oeuvre, cette randomisation permet d’affecter aléatoirement des traitements aux sujets directement sans tenir compte de facteurs suplémentaires. Par exemple la liste génère deux groupes de sujets équilibrés, Traitement = A et Témoin =B.
Cependant, Si l’échantillon est petit, un déséquilibre peu être crée entre les groupes en terme de caractéristiques non contrôlés. Par exemple il peut y avoir plus de sujets jeunes dans un groupe.
Cette liste de randomisation peut être crée dans n’importe quel logiciel de statistique ou sur Microsoft Excel.
Rando simple sur MS Excel
Tout d’abord, il faut créez une colonne ID Sujet en attribuant un nombre croissant de sujets à inclure.
Ensuite, dans une autre colonne adjacente, créer la fonction =ALEA.ENTRE.BORNES(1;2). Cette dernière crée une liste de nombre aléatoire entre 1 et 2, pour l’ensemble des sujets de l’étude. Il ne reste plus qu’à attribuer le chiffre 1 au groupe A et 2 pour le groupe B ou vice versa.
Randomisation stratifiée
Cette randomisation se fait par sous groupesou ou strates. Les participants sont d’abord regroupés en fonction de certaines caractéristiques clés, les strates comme l’âge, le sexe ou la gravité de la maladie. Ensuite, la randomisation est effectuée séparément dans chaque strate.
L’avantege de ce type de randomisation est qu’elle assure un équilibre entre les groupes selon des carractèristiques importantes pour l’étude.
Par exemple, deux groupes d’âge sont formées (moins de 50 ans et 50 ans ou plus). Chaque groupe est randomisé séparément.
Exemple
Nous voulons tester un nouveau traitement (Groupe A) en le comparant à une référence (Groupe B). Cette comparaison sera réalisée en fonction de l’âge, (par exemple moins de 45 ans et plus de 45 ans) et du sexe (femme et homme). La taille totale de l’échantillon est de 24 patients. Nons commençons à préparer les quatres strates ou les groupes de patients:
S1 : Âge < 50, Homme = 6 patients
S2 : Âge < 50, Femme= 6 patients
S3 : Âge ≥ 50, Homme= 6 patients
S4 : Âge ≥ 50, Femme = 6 patients
Ensuite, nous randomisons les paraticipants de chaque starte de manière à avoir un nombre équilibré dans chaque groupe A et B. De cette manière, chaque strate contient un nombre égal de participants dans les groupes A et B, si la taille totale le permet.
Avantages
Cette randomisation permet l’équilibre dans les groupes. Chaque groupe (A ou B) contient des participants avec des caractéristiques comparables en âge et sexe. Ainsi il y a réduction des biais en minimisant l’impact des variables de confusion potentielles.
Randomisation par bloc
La randomisation par bloc est particulièrement utilisée lorsque le recrutement des participants ne peut se faire que par groupe de taille réduite.
Par exemple, lorsque l’étude est espacées dans le temps et que le recrutement ne peut se faire que progressivement par vague de petit groupe de participants. Cette méthode garantit l’équilibre entre les groupes à chaque étape du recrutement.
Elle est aussi souvent utilisée dans les études multicentriques. C’est-à-dire lorsqu’une étude est menée sur plusieurs sites sur un nombre de sujet fixe. Cette méthode permet d’assurer un équilibre entre les groupes dans chaque centre.
En définitif, la randomisation en bloc est donc à privilégier lors des processus de recrutements en petits groupes espacés ou multi-centres. Ce qui garantira un équilibre constant entre les groupes de traitement tout le long du processus de recrutement.
Un Exemple
Lors d’une étude visant à comparer un nouveau médicament pour le diabète (Groupe A) avec un placebo (Groupe B). Le recrutement se fait progressivement et nous voulons maintenir un équilibre entre les groupes à toutes les étapes de l’étude.
Choix de la Taille du bloc
En premier lieu, nous choisissons une taille de bloc fixe, par exemple 4. Ceci permet d’assigner, pour chaque bloc, 2 participants par groupe de traitement (2 pour A et 2 pour B).
Les Combinaisons possibles ou les ordres aléatoires pour un bloc de taille 4 pourraient être:
AABB , ABAB, BBAA , BABA
Ensuite, le recrutement se fait donc par groupe de quatre patients. A chaque recrutement, une séquence aléatoire est choisie parmi les quatre combinaisons possibles.
Avantages de la rando en bloc
La randomisation permet un équilibre constant à chaque recrutement et même à la fin du recrutement lorsque le nombre de sujets nécessaires à l’étude est atteint.
Randomisation en grappes ou par clusters
Le principe de la randomisation en grappe est une randomisation par groupes entiers (clusters) de participants. Par exemple en randomisant des centres de recherche, des hôpitaux ou des départements entiers plutôt que des individus.
Cette randomisation est Utile lorsque l’intervention est appliquée à un groupe entier (par exemple, une politique de santé dans un hôpital).
Par contre les analyses statistiques doivent tenir compte des corrélations au sein des groupes, ce qui augmente la complexité.
Exemple de Rando en Grappes (ou Cluster Randomization)
Une étude est menée pour évaluer l’efficacité d’une intervention éducative sur le lavage des mains dans les écoles.
La population cible sont 10 écoles participantes, avec un total de 500 élèves (50 élèves par école).
Deux Groupes d’intervention :
Le Groupe A (Intervention), reçoit un programme éducatif sur le lavage des mains.
Le Groupe B (Contrôle), continue avec les pratiques habituelles sans intervention.
Dans cette étude, plutôt que de randomiser les élèves individuellement, la randomisation se fait sur les écoles. C’est à dire que chaque école représente une grappe ou un cluster.
Chaque école est une unité (grappe) assignée aléatoirement à l’un des deux groupes.
Avantages
Cette méthode a pour avantage de faciliter la logistique. Il est plus simple de déployer une intervention dans des unités entières (comme des écoles) que chez des individus répartis.
Elle permet de minimiser la contamination. Par exemple si des élèves d’une même école étaient assignés à des groupes différents, l’effet de l’intervention pourrait être biaisé. Les élèves partagent les informations entre eux.
Analyse statistique pour cette étude
L’analyse des données pour cette étude permet d’évaluer l’amélioration des connaissances ou des pratiques sur le lavage des mains.
L’analyse doit prendre en compte la corrélation intra-cluster (ICC), car les élèves d’une même école sont plus susceptibles d’avoir des comportements similaires.