在社区卫生服务中心的时候，常常听到有些医生因为对照组和治疗组样本量不一致的问题而纠结。“一个随机试验的产生需要样本量大小均等”——这个观点看上去无处不在，对此我们深感不安。
在简单随机化方法中，如果是小样本的话，1：1比例分组可以形成各组之间完全不相同的样本大小。举例来说，总样本大小为20，简单随机化生成的约10%的分组序列会是3:7比率的不平衡比例，甚至更高。这个难题会随着样本量大小的增长而减小。从概率论的角度，长期来看，各治疗组的样本大小不会严重的不平衡。对于一个样本量大于200的两组试验，其发生显著不平衡的机遇可以忽略。肯定有人要问了，那对于样本量小于200的试验，我们应该怎么办呢？
最常用的达成平衡随机化的方法是通过随机排列区组法。例如，一个区组大小为6，依次纳入的每6个受试者为一组，通常3个被分配到一个治疗组，另外3个被分配到另一组（或者说对照组），但是，分配比例可以是不平均的。例如，每个按照2:1比例分配的大小为6的区组中，其中4个人被分配到一个治疗组，2个被分配到另一治疗组。如果你还是不明白，那请继续往下看。
我们可以采用一种更为简单的方式，叫做随机分配规则。也就是，研究者定义一个整体样本大小然后随机选择样本中的一个子集分配到A组，剩下的分配到B组。举个例子吧，如果总样本量大小为200，在一个帽子里放100只A组的球和100只B组的球，将它们随机拿出来并且不再放回帽子里，当A率先达到100只，其余的就都归属于B。在试验结束时达成两组样本量平衡。但是，这种方法会出现变量不平衡，同样，样本量更大的时候这种不平衡会越来越小。
每一种方法都有利弊，就看研究者如何使用了。我们不希望各组相同样本量是被修饰过的，这并不符合科学性。强制相等的各组样本量对分配的不可预测性有潜在的损害，而不可预测性的削弱使试验产生偏倚。请记住，你的研究方法和过程比你追求的组间样本量平衡有趣的多！
本文系“IPR Group”原创文章，转载请注明出处。