编辑推荐：
为解决并行多干预阶梯楔形设计（M - SWD）中功效分析和样本量计算的不足，中山大学研究人员开展了对并行平衡和不平衡 M - SWD 的功效分析研究。结果表明特定条件下不平衡设计可节省样本量等。该研究为 M - SWD 的设计提供了重要参考。
在医学研究的广阔领域中，如何科学地评估干预措施的效果一直是关键问题。阶梯楔形设计（Stepped Wedge Design，SWD）作为集群随机对照试验（Cluster Randomized Controlled Trial，CRT）的一种变体，近年来备受关注。它能在满足伦理、后勤等要求的同时，探究干预措施在现实环境中的有效性，因此在实施研究中广泛应用。而多干预阶梯楔形设计（Multiple - intervention Stepped Wedge Design，M - SWD）作为 SWD 的重要变体，可在同一试验中同时评估多种干预措施，相比传统 SWD，其资源需求更少、转换效率更高。
然而，目前 M - SWD 的方法学仍有待完善。在样本量估计和功效分析方面，现有的研究存在诸多空白。尤其是对于并行不平衡 M - SWD 的功效分析和样本量估计，几乎没有文献涉及，也缺乏通过参数设置优化设计的研究。这就好比在建造一座复杂的桥梁时，却没有精确的设计图纸和可靠的计算方法，使得研究的准确性和有效性大打折扣。
为了填补这些研究空白，中山大学的研究人员勇挑重担，开展了一项极具价值的研究。他们聚焦于并行平衡和不平衡 M - SWD，旨在探究设计参数（如集群大小和数量）和相关参数（总随机效应方差（Total Random Effect Variance，TRE）、集群自相关系数（Cluster Autocorrelation Coefficient，CAC）、个体自相关系数（Individual Autocorrelation Coefficient，IAC））对统计检验功效的影响，并明确在何种情况下并行不平衡 M - SWD 比平衡设计更具优势。该研究成果发表在《BMC Medical Research Methodology》上，为相关领域的研究提供了重要的理论支持和实践指导。
研究人员在此次研究中运用了多种关键技术方法。他们采用基于模拟的方法，遵循 ADEMP 结构（涵盖研究目的、数据生成机制、估计目标、研究方法和性能指标）开展研究。在数据生成阶段，依据不同的设计（交叉设计和队列设计）构建相应的数据生成模型。之后通过多次模拟生成数据集，利用 R 软件中的 lme4 和 lmerTest 等软件包进行效应估计和假设检验，以此来计算统计功效。
研究结果具体如下：
- 不同设计参数下的功效：在固定总样本量的情况下，无论是交叉设计还是队列设计，减小集群大小、增加集群数量都能提高统计功效。在交叉设计中，当总样本量固定为 1200 时，如平衡条件下，随着集群数量增加（集群大小相应减小），三种功效（Power1、Power2、Power3，分别用于检验不同治疗效果相关假设）逐渐提升；不平衡条件下同样如此。在队列设计中，当总样本量固定为 240 时，也呈现出相同的趋势。此外，当两种治疗效果差异较大时，并行不平衡 M - SWD 在样本量分配上有讲究。研究发现，当集群数量比（IA:IB）近似于两种治疗效果比（θB:θA）时，能在节省样本量的同时达到目标功效值，但分配比不宜超过 4:1。在交叉设计中，确定了两种所有功效达到目标阈值 0.8 的场景，其集群数量比接近治疗效果比；队列设计中也有类似发现。
- 不同相关参数下的功效：在交叉设计和队列设计中，统计功效随 TRE 增加而降低，随 CAC 和 IAC 增加而提高。在交叉设计中，当 TRE 增大时，Power1 和 Power3 明显下降，Power2 虽也下降但始终高于 0.8；随着 CAC 增大，功效逐渐增加，不过当 wp - ICC（Within - period Intra - cluster Correlation Coefficient，同一测量期内同一集群中任意两个个体之间的相关性）小于 0.2 时，CAC 对功效的影响较小。在队列设计中，当 TRE 升高，Power1 和 Power3 显著降低，Power2 保持在 0.8 以上；CAC 和 IAC 增大时，功效提高，且当 IAC 较大时，CAC 对功效的影响更为显著。
研究结论和讨论部分意义重大。研究表明，固定样本量时，增加集群数量、减小集群大小可提升 M - SWD 的统计功效。当两种治疗效果差异显著时，并行不平衡 M - SWD 更具优势，推荐集群数量比近似于两种效果的反比，但不超 4:1。同时，准确估计和报告设计及相关参数对 M - SWD 样本量估计至关重要。然而，该研究也存在一定局限性，如仅考虑了连续结局，且假设不平衡仅体现在集群数量不同等。尽管如此，这项研究为后续 M - SWD 的研究奠定了坚实基础，为研究人员在设计试验、选择合适的 M - SWD 类型以及确定样本量时提供了重要的参考依据，推动了医学研究在该领域的进一步发展 。
