Cluster-Randomized Trials: Design Effect & Sample Size
When randomization is by cluster (department, community, hospital), individuals within a cluster are correlated and carry less information than independent subjects, so the sample size must be inflated by the design effect DE = 1 + (m−1)·ICC. This tool scales an individually-randomized sample size up to the total number of subjects and clusters a cluster trial needs.
① Source of the individual-randomization sample size
② Cluster parameters
Mode d'emploi et méthodologie
Pourquoi la randomisation en grappes doit-elle gonfler l'échantillon ?
Les individus d'une même grappe (service/communauté) se ressemblent davantage et apportent moins d'information indépendante que des sujets pleinement indépendants. L'ignorer surestime la précision et gonfle les faux positifs. Le facteur d'inflation de plan (DE) corrige cela.
Quelle valeur d'ICC faut-il ?
Le coefficient de corrélation intraclasse (ICC) reflète la similarité intra-grappe, typiquement 0,01–0,10. Citez de préférence les ICC d'essais en grappes antérieurs du même domaine ; en cas d'incertitude, une analyse de sensibilité sur une plage d'ICC est recommandée.
Comment choisir la taille de grappe m ?
m est le nombre moyen d'individus inclus par grappe. Plus la grappe est grande, plus la redondance interne et le DE sont élevés. À effectif total fixe, beaucoup de petites grappes sont en général plus efficaces que peu de grandes.
Le résultat peut-il entrer directement dans un protocole ?
Il peut servir de base principale pour la taille d'échantillon d'un essai en grappes. Lorsque le nombre de grappes est faible (p. ex. <10 par bras), les ddl du t suivent le nombre de grappes : une méthode dédiée ou une simulation peut alors être préférable.
Collez le lien dans Slack, Teams, X ou LinkedIn — l’aperçu utilise la carte Open Graph de cette page.