书上说：
限制性随机化法（restricted randomisation）是用来平衡样本大小的。这种平衡通常能增强统计把握度（power），并在试验期间可能进行治疗结果或结局评测的时间点上表 现出来。此外，层内的有限制的随机化法对要从分层中获益的研究者而言变得至关重要。因此，科学合理的理由可为限制提供支持。
但是有效的限制并不需要产生完全相等的样本大小。一个试验的把握度对组间样本量上的轻微差异并不敏感。因此，产生相似的样本大小的限制性方法和产生相等的样本大小的限制性随机化方法所带来的把握度、时间趋势和分层益处几乎是一样的。但是相等的样本大小可能带来不良后果。主要的限制性随机化法是随机排列区组法（blocking）（区组化）。总体来说，这种方法能很有效地达到在各个比较组之间 （以及如果分层的话，在各层之间）获得相等的样本大小的目的。此外，每个区组分好后，也产生相同的样本大小。但也由于这样的作用，它带来了可预测性的不足之处。
尤其在非双盲试验中，可预测性是最大的弱点。我们将双盲试验定义为受试者、研究者和结果评估者对其中的治疗方案都不知情。事实上，所有非双盲试验中，有的研究者会知道治疗方案。因此，即使有充分的分配隐藏，在分组之后治疗方案还是变成可知的。有此信息，试验研究者可以解码固定地区组大小（嘉定组织者最初是不对他们公开所有的区组大小信息的），然后预计何时会出现各组样本量相等。通过之前的分组特征可以猜出分组序列，之后的分组也可以被准确预知。因此，无论分配隐藏的效果怎样，都导致偏倚。在一个双盲试验中，如果明显可觉察到的治疗副作用迅速出现的话，同样的难题也可出现，虽然程度较轻。
如果整个随机对照试验中区组大小保持固定，则区组的大小，尤其是小区租（比如小于等于6个受试者），容易被破解。因此，如果研究者使用区组随机法，应该变动区组大小以减少分配表被那些负责入组和分组的人获知的机会。
听我说：
区组大小的随机化不是万能药。即使随机变动区组的代销，区组化在整个试验的过程中还是会 多次出现各组样本量相等的情况。事实上，一个建立在肯定能评测干预分组的预测性基础上的改良模型，即区组大小随机化，最多只能降低但不能消除潜在的选择偏 倚。换句话说，区组大小随机化能帮助减少选择偏倚，但是某些情况下可能不会消除它。即使使用随机的区组大小，排列区组随机法表明试验招募者仍有机会预计到 某些分组。
你可以：
尝试使用限制性随机化法来平衡样本的大小。