Termenul „adaptiv” acoperă o serie de structuri variate, însă majoritatea acestora au o

organizare simplă. În cadrul unui studiu adaptiv, există etape de învățare și de

confirmare,care urmează o abordare similară a procesului general de dezvoltare clinică în
diferite cadre de studiu. Prin urmare, ipotezele sau parametrii structurii pot suferi
modificări.

1. Voi prezenta pe scurt avantajele unei structuri adaptive si Randomizarea adaptivă

Principalele caracteristici ale unei astfel de structuri sunt: flexibilitatea, eficientizarea

resurselor si obtinerea unui process de dezvoltare mai scurt.

Randomizarea adaptivă este un exemplu de structură intuitivă. În această structură, un

procent mai mare dintre pacienți va fi tratat cu brațul „mai bun” (dacă există unul). Aceste
designuri adaptive ale studiilor se bazează, în cea mai mare parte, pe analizele intermediare
neomogenizate care estimează efectele tratamentului – caz în care analiștii vor ști ce tratament
primește fiecare participant.

2. Utilizarea unui algoritm de minimizare în randomizare este mai puțin frecventă decât
utilizarea unui program standard de randomizare a blocurilor permutate, dar este o
metodă utilă atunci când există un număr mare de grupări posibile de stratificare
combinate cu un număr mic de subiecți.

Acest tip de algoritm de randomizare se numește „minimizare”, deoarece scopul

algoritmului este de a minimiza dezechilibrul dintre grupurile de tratament în cadrul
fiecărui factor de stratificare și în cadrul studiului.

Algoritmul calculează mai întâi o „atribuire de tratament preferată” prin determinarea

rezultatului randomizării care va duce la cel mai mic dezechilibru. Deoarece trebuie să
existe un element aleatoriu în rezultat, rezultatul calculului nu este complet determinant,
atribuirea de tratament preferată are o probabilitate mai mare de a fi atribuită subiectului.

De exemplu, într-un studiu cu două brațe de tratament (A și B), în care algoritmul

calculează că o atribuire către A ar fi preferată, deoarece duce la cel mai mic
dezechilibru, subiectul poate fi asociat cu tratamentul A în proporție de 90%, dar ar
putea fi încă atribuit lui B într-o proporție de 10% astfel incat sa nu se provoace nici un
fel de dezechilibru.

3. La baza algorimului de minimizare stau următoarele componente cheie:

a. Brațele de tratament
b. Factorii și valorile factorilor de stratificare
c. Ponderile factorului de stratificare *opțional Nu este necesar să ponderăm factorii de
stratificare, dar pentru flexibilitate se poate adăuga.
Metoda Pocock implică determinarea cantității de dezechilibru pentru fiecare dintre factorii de
randomizare, atribuirea ipotetică a subiectului fiecărui grup de tratament si atribuirea
tratamentului, care va reduce la minimum dezechilibrul.
 4. In continuare voi prezenta un exemplu de calcul al algoritmului de minimizare analizat
conisderand un studiu cu:
o trei brațe de tratament: A, B și C
o trei factori de stratificare: Factor 1, Factor 2 și Factor 3
o Posibilele valori ale factorilor de stratificare:
I. Factor 1: x, y, z
II. Factor 2: o, p
III. Factor 3: g, h
Presupunem că randomizarea se realizează pentru un pacient cu următorii factori de
stratificare: 1x, 2p, 3h.
Sistemul trebuie să calculeze scorul de dezechilibru pentru o potențială randomizare la
fiecare dintre cele trei brațe de tratament, pentru fiecare factor de stratificare precum este
prezentat pe acest slide.

După ce se calculeză DiffA, DiffB, Diffc sistemul acordă prioritate celei mai mici valori. De
exemplu, dacă DiffA este 3 și atât DiffB cât și Diffc sunt 4, atunci sistemul va atribui subiectul
tratamentul A cu o probabilitate de 80%, tratamentului B cu o probabilitate de 10% și C cu o
probabilitate de 10%.

5. În ceea ce priveste testarea algoritmului am identificat 3 tipuri de testare:

a. Cea automata care verifica ca subiectii sunt randomizati conform datelor
prestabilite
b. Cea perturbatoare: in cazul in care toti subiectii randomizati au aceiasi factori de
startificare – se evidentiaza pastrarea unui echilibru in cadrul studiului
c. Utilizand Matlab se poate realiza simularea algoritmului. Rezultatul este un
grafic care arată raportul efectiv al tratamentului în funcție de numărul de subiecți
înscriși.