クラスターランダム化試験における混合モデル共分散分析について

科学分野:

• 統計学
• 生物統計学
• 臨床試験

背景:

• 共分散分析（ANCOVA）の混合モデルは、クラスターランダム化試験の標準です。
• 平均処置効果推定における仮定違反（正規性、線形性、ランダム切片）下での妥当性は不明確です。

研究 の 目的:

• モデルの誤指定の可能性下での混合モデルANCOVA推定値の頑健性と妥当性を評価すること。
• クラスターランダム化試験の様々な解析方法の精度に関する洞察を提供すること。

主な方法:

• 潜在的結果フレームワークを利用して、推定量の特性を証明しました。
• 任意のワーキングモデルの誤指定下での一貫性と漸近正規性を調査しました。
• 特定の処置割り当て確率下での分散推定値の一貫性を分析しました。

主要な成果:

• 混合モデルANCOVA推定値は、モデルが誤指定されていても、平均処置効果に対して一貫性があり、漸近正規性があります。
• ANCOVA1の分散推定値は、処置確率が0.5の場合に一貫性があり、妥当な信頼区間を保証します。
• 混合モデルANCOVA、個人レベルANCOVA、クラスターレベルANCOVAの精度に関する比較情報を提供しました。

結論:

• 混合モデルANCOVAは、クラスターランダム化試験における平均処置効果の頑健な推定を提供します。
• 本研究の結果は、モデルの逸脱の可能性がある場合でも、解析に標準的なソフトウェアを使用することを支持します。
• 精度に関する洞察に基づいて、解析方法の実用的な選択を情報提供しました。