已分配治疗的组中的平等分组随机化

Question

我有 80 名受试者的名单，已随机分为 4 组 (1-4)。现在，我想引入交叉设计，这样每个科目最终都会分在所有 4 个组中。尝试使用样本函数执行此操作，但我需要对剩余 3 个随机组的每种可能性进行均等分布。

例如： 受试者 A 已被随机分配到第 1 组。现在我需要随机分配剩余 3 组（2、3、4） 有 6 个选项可随机分配剩余 3 个组： 234 243 第324章 第342章 第423章 第432章

因此，我需要确保最初分配到第 1 组（20 名受试者）的每个受试者都能均匀分布上述 6 种排列之一。对于最初分配到第 2、3 和 4 组的每个受试者都是相同的

我试过了

#for loop going through each row of the dataframe
for(x in 1:nrow(crossover)) {
  #TRIAL 2
  #randomly selects an integer between 1 and 4

 y<- sample(1:4, 1, replace = TRUE)
  
  #if it equals Assigned.Arm.Index, then randomly select again
 while (y == crossover$Assigned.Arm.Index[x]){

    y <- sample(1:4, 1, replace = FALSE)
  }
  
  #set New.Arm.Index column to y
  crossover$Trial_2[x] <- y

crossover 是我的数据框的名称，signed.arm.index 是预制的初始随机化。我为我要填充的剩余随机化创建了 3 个新列。

当我就所有受试者的平等随机化寻求帮助时，我被告知要使用代表函数，例如：

sample(rep(1:6, 4) , rep= FALSE) 但这对我来说并不完全有意义。我是 R 新手，感谢任何帮助！

Answer 1

如果我正确解释你的问题，本质上你想要的是一系列随机的拉丁方，足以让每个受试者都有一排 4 种不同的治疗方法。

rlatin()

 包中的 

magic

 功能非常适合您的需求。

由于您已经将受试者随机分为 4 组，我们将使用该列作为基础来加入每个受试者的剩余治疗值。在下面的示例中，“treatment1”是包含已随机化组值的列。

工作流程如下：

在 df 中创建一个“ranjoin”列，并根据“treatment1”组添加 1 到 20 之间的唯一随机值。换句话说，每组中的每个受试者都被分配一个随机值。 “ranjoin”将与“treatment1”一起使用以加入剩余的治疗组
创建随机 4 x 4 拉丁方的 80 x 4 数据框 (df1)，第一列对应 df 中的“treatment1”
正如您对 df 所做的那样，为 df1“treatment1”组分配随机“ranjoin”值
使用 df 和 df1 中的“treatment1”和“ranjoin”列来完成每个受试者的抽样治疗组

以第1组为例。 df 中有 20 名受试者，其“treatment1”值为 1，随机唯一“ranjoin”值为 1:20。 df1 中还有 20 个“treatment1”值为 1，同样具有随机唯一“ranjoin”值 1:20。如果“受试者”1 的“treatment1”值为 1，“ranjoin”值为 7，则 df1 中的相应行将连接到受试者“1”的行。这种方法的关键是“ranjoin”列是独立随机的。为了可复制性，我在整个示例中保持

set.seed(1)

 相同。在下面的代码块中指示的位置插入不同的 

set.seed()

 值，以确保更加随机的结果。

library(magic)
library(dplyr)
library(tidyr)

# Example of your existing df where "treatment1" contains your existing group sampling
# and subvar columns are just 'dummy' subject data
set.seed(1)
df <- data.frame(subject = 1:80,
                 treatment1 = rep(sample(1:4, 4, replace = FALSE), 20),
                 subvar1 = round(rnorm(80, 0, 10), 2),
                 subvar2 = round(rnorm(80, 0, 10), 2),
                 subvar3 = round(rnorm(80, 0, 10), 2)) 


# Assign random value between 1:n() so each treatment group has a random 'rank'
# set.seed(sample(1e+08:1e+09, 1)) # Use something like this before running

df <- df %>% 
  group_by(treatment1) %>%
  mutate(ranjoin = sample(1:n(), n(), replace = FALSE)) %>%
  ungroup()

head(data.frame(df))
  subject treatment1 subvar1 subvar2 subvar3 ranjoin
1       1          1   12.72   -2.20   16.80      20
2       2          3    4.15   -4.25    7.80       8
3       3          4  -15.40   -4.19    7.13       5
4       4          2   -9.29    9.97   -5.43      15
5       5          1   -2.95   -2.76    8.86       9
6       6          3   -0.06   12.56   -3.49       2

# Create 4 x 80 random treatments and join to df 
# set.seed(sample(1e+08:1e+09, 1)) # Use something like this again before running

df1 <- data.frame(rlatin(20, 4)) %>% # Create dataframe of 20 random 4 x 4 Latin squares
  mutate(names = paste0("treatment", 1:4)) %>%
  pivot_longer(-names) %>%
  pivot_wider(names_from = names,
              values_from = value) %>%
  group_by(treatment1) %>%
  mutate(ranjoin = sample(1:n(), n(), replace = FALSE)) %>% # Same as for df
  ungroup() %>%
  left_join(df, by = c("treatment1", "ranjoin"), keep = FALSE) %>%
  select(-c(name, ranjoin)) %>%
  relocate(subject) %>%
  arrange(subject)
  
head(data.frame(df1))
  subject treatment1 treatment2 treatment3 treatment4 subvar1 subvar2 subvar3
1       1          1          4          2          3   12.72   -2.20   16.80
2       2          3          4          1          2    4.15   -4.25    7.80
3       3          4          1          2          3  -15.40   -4.19    7.13
4       4          2          3          4          1   -9.29    9.97   -5.43
5       5          1          3          4          2   -2.95   -2.76    8.86
6       6          3          4          1          2   -0.06   12.56   -3.49

# Check treatment group sizes are equal per "treatment" column
table(stack(df1[,2:5]))
      ind
values treatment1 treatment2 treatment3 treatment4
     1         20         20         20         20
     2         20         20         20         20
     3         20         20         20         20
     4         20         20         20         20

# Check each subject has been assigned 4 different treatment values, 0 == TRUE
sum(apply(df1[,2:5], 1, function(x) length(unique(x))) < 4)
0