انتساب سوژه ها به گروه ها در کارآزمائی بالینی

در یک کارآزمائی بالینی، معمولا سوژه ها به ترتیب ورود مورد در یکی از گروه های تحقیق وارد شده و مورد آزمایش قرار می گیرند. سؤالی که از دیرباز ذهن محققین کارآزمائی بالینی را به خود مشغول کرده است این است که هنگام تحقیق بر روی سوژه جدید، با چه ترتیبی وی را وارد یکی از گروه های کارآزمائی کنند که به این کار انتساب سوژه به گروه گفته می شود. مشکلات احتمالی ناشی از انتساب غلط ممکن است به صورت تورش در انتخاب سوژه جلوه کند که بطور کلی نتایج تحقیق را مخدوش می نماید. برای جلوگیری از این تورش انتساب تصادفی سوژه ها پیشنهاد شده است که در آن انتساب سوژه جدید به یکی از گروه های کارآزمائی برجسب تصادف صورت می گیرد، مثلا با استفاده از سکه یا تاس و یا جدول اعداد تصادفی و غیره فرد را در یکی از گروه ها قرار می دهند. نرم افزار ها و سرویس های آن لاین متعددی برای اتوماتیک نمودن و آسان کردن این کار وجود دارد که بعضی از آنها را در این مقاله معرفی شده اند و لیست نسبتا کاملی از آنها در این آدرس وجود دارد.

انتساب تصادفی سوژه ها اگرچه مشکل تورش در انتخاب را از بین می برد ولی در مواردی ممکن است موجب عدم تعدادل گروه ها از نظر برخی ویژگی ها بشود که این موضوع مخصوصا در اندازه های پائین نمونه پژوهش ممکن است روی دهد (کمتر از ۲۰۰ سوژه). یکی از راه های مناسب برای مقابله با این مشکل استفاده از تکنیک minimization است که در آن ضمن رعایت اصل تصادفی بودن انتساب، عمل انتساب سوژه ها به صورتی صورت میگیرد که تفاوت گروه ها از نظر ویژگی ها مورد نظر به حداقل برسد. آین کار به لحاظ محاسباتی بسیار پیچیده است و چنانچه با دست انچام شود احتمال اشتباه در آن زیاد می شود. برای این منظور نیز نرم افزار ها و سرویس های آن لاین وجود دارد که متاسفانه تعداد آن ها محدود می باشد. MinimPy یک نرم افزار دسکتاپ برای انجام minimization است که متن باز بوده و به زبان پایتون نوشته شده است. QMinim نیز یک سرویس آن لاین رایگان برای این کار میباشد. در تمامی این نرم افزارها و سرویس ها عمل minimization فقط برای ویژگی های شمارشی مانند توزیع جنسی قابل انجام است و برای انجام minimization جهت ویژگی های پیوسته مانند سن و وزن و قد و غیره می بایست این ویژگی ها را ابتدا به متغییر از نوع طبقه ای تبدیل کرد و سپی آنها را به عنوان متغییر شمارشی به سیستم معرفی کرد. خوشبختانه در این وب سایت روش Kullback-Leibler برای وارد کردن متغییر های پیوسته به بدون تبدیل به متغییر طبقه ای مورد استفاده قرار گرفته است.