クラスター無作為化比較試験の効率的なデザイン、サンプルサイズ決定で重要な「収穫逓減点」とは

【背景】

クラスター無作為化比較試験では、クラスターサイズが大きくなるほど検出力や精度が頭打ちになる現象（収穫逓減）が生じます。この収穫逓減点を特定し、効率的な試験デザインを行うための既存手法は不十分であり、より実用的な方法が求められていました。

【結果】

本研究では、クラスターサイズを大きくしても検出力や精度への貢献が無視できるレベルになる「収穫逓減点」を特定するための実用的なツールとして、検出力曲線と精度曲線を紹介しました。個別の無作為化における各群の必要症例数は、クラスターサイズの上限となり、これを超過すべきではありません。

【臨床へのインパクト】

クラスター無作為化比較試験を計画する際、研究者は検出力曲線や精度曲線を活用し、最適なクラスターサイズとクラスター数を同時に決定すべきです。これにより、データ収集に多くのリソースを要しない場合でも、過剰なクラスターサイズによる非効率性や、研究の検出力・精度の低下を防ぎ、より効率的で倫理的な試験デザインが可能になります。

本記事は AI（Gemini）が PubMed 上の英語 Abstract を要約したものです。臨床判断には必ず原著をご確認ください。