整群随机试验属于随机对照试验的范畴，当随机对照试验只能以群体为单位施加干预措施，或者容易发生"沾染"时，整群随机试验是开展研究的最佳选择。由于整群内存在相关性，整群随机试验与个体随机对照试验相比，在设计和分析阶段相对复杂。本文将从整群随机试验的基本原理、用途、优点与局限性以及设计、实施、分析和结果几个方面对整群随机试验进行介绍，为读者在应用整群随机试验进行健康管理研究中提供参考，进而提高研究质量和效率。
版权归中华医学会所有。
未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。
随机对照试验（randomized controlled trial，RCT）是流行病学研究方法中实验性研究范畴，包括个体随机对照试验和整群随机试验。本文作为健康管理科研设计方法学系列讲座的第6讲，旨在结合健康管理科研特点，介绍整群随机试验的基本原理、用途、优点与局限以及设计、实施、分析和结果解读要领。
实验流行病学（experimental epidemiology）又称流行病学实验（epidemiological experiment）或干预试验（Interventional trial），是指研究者根据研究目的，按照预先确定的研究方案将研究对象随机分为试验组和对照组，对试验组人为地施加或减少某种因素，然后追踪观察该因素的作用结果，比较和分析两组或多组人群的结局，从而判断处理因素的效果。
实验研究中某些干预很难以个体为单位进行施加，或者容易发生"沾染"，因此通常采用整群随机试验（CRT，cluster-randomized trials），也称为社区随机化研究或社区干预研究。CONSORT指南对整群随机试验的定义是：以具有某些共同特征的个体构成的整群（如家庭、社区等）而非单个个体作为研究对象，采用随机抽样的方法（单纯随机、分层随机等）将整个整群分配到不同处理组，以整群为研究对象进行干预、随访，比较不同处理组的效应[1,2]。个体随机对照试验和整群随机试验的区别见图1[3]。
整群随机对照研究是进行群体干预最为理想的设计方案，在实际工作中，有时由于条件所限，如研究数量大、范围广而使得研究对象的随机分组不易实现，或者不设立对照组时，一般会采用类实验。类实验可分为非随机对照试验和无平行对照试验。本文主要介绍整群随机试验，对于类实验也具有一定的参考。
（1）评价干预措施的效果，如健康管理中，评价疾病管理措施对患者健康的改善状况。（2）验证病因和危险因素，如通过整群随机试验探究疾病的病因和危险因素，可以了解健康管理实践中生活方式管理的效果。（3）评价公共卫生实践的质量，通过整群随机试验评价一项公共卫生政策或者措施在人群中实施后的效果，为卫生行政管理部门进一步制定相关政策提供依据[4]。
一般来说，以下情况适用于整群随机试验。（1）行为干预研究，如通过同伴教育提高服药依从性的研究；（2）环境暴露干预研究，如医务人员通过对家长简短的询问、劝阻，配合发放有关宣传材料等干预措施改善儿童暴露于烟草烟雾环境的研究；（3）宣传教育干预，如通过健康教育改善居民的健康素养；（4）需了解目标人群中的不同整群的干预效应，如了解健康教育对某社区居民2型糖尿病的改善效果，可采用整群随机试验；（5）同一整群采用不同的干预措施会造成歧视则采用整群随机试验，如对社区居民进行艾滋病、精神疾病等相关知识的健康教育研究。
（1）研究对象一般是抽样整群内的全部个体，也可以是整群内的某个亚组，如某学校的某班，某工厂的车间等。（2）抽样单位是整群，分析单位也是整群。由于整群随机试验的抽样单位比较大，其可比性相对于个体随机对照试验相对较差，抽样误差也可能更大，因此需要较大的样本量。一般采用整群随机化的方法，保证比较组间尽可能具有可比性。（3）如果研究只包含2个整群，无论是采取随机化分组，还是非随机分组的类试验，都要求整群间基线特征有类似的分布。
整群随机试验的优势主要表现在以下几个方面。（1）整群随机试验可以评价难以落实到个体上的干预措施，尤其是健康教育、政策类、公共卫生措施等效果的评价，整群随机试验是较为合适的研究方法。
（2）由于整群随机试验的抽样、干预、分析单位是整群，整群内的研究对象依从性较好，抽样、随机化分组和组织协调工作都比较方便，因此相比于个体随机对照，整群随机试验受"沾染"的可能性更小，试验结果更可信，且研究费用较低。
（3）整群随机试验的干预措施通常为改善社区的人文环境，或者初级卫生保健护理方式，相比于个体随机对照试验，干预措施更接近人们的自然生活状况，在实际工作中更容易被群众所接受，干预措施因此更容易推广与使用。
但是，整群随机试验在设计、实施、分析过程中也存在一定的局限性。（1）由于整群随机对照的抽样和分析都是以整群为单位的，因此整群观察单位较少，并且整群内部的个体之间存在着一定的相似性，所以干预组和对照组之间的可比性较差。（2）整群随机试验要求抽样得到的整群能够代表总体，整群间与结局高度相关的基线特征（如整群规模大小、社会经济状况、人口学特征如年龄构成等）的差异越小越好，与个体随机试验相比，整群随机试验所需的样本量更大，分析时也更为复杂。
整群随机试验主要用于评价非治疗性干预措施的效果，或评价医疗保健服务的质量和效益等，比如健康教育计划、培训计划、预防计划和健康促进措施等，虽然这类措施中有些干预可以在个体层面进行实施，但是大部分干预对个体是很难进行随机化的。
随着疾病模式的转变，预防疾病的全人群策略受到广泛重视。健康管理通过对疾病的发生发展各阶段的危险因素进行管理，从而阻断、延缓、甚至逆转疾病的发生和发展，达到了健康维护的目的，起到了关口前移、重心下移的作用，使得群体健康管理成为全人群策略的重要措施之一。群体健康管理遵循整群随机试验的特点，针对群体开展健康管理项目，如改善社区环境、提高全人群的健康知识、使全人群树立健康的观念、促使全人群采纳健康生活方式。其设计、实施和效果评价是整群随机试验的具体体现。
整群随机试验的设计和实施具体包括以下几个步骤：确定研究问题、研究现场与整群，样本量计算，招募整群后进行随机化分组，实施干预后收集、整理、分析资料得出结论。整群随机试验的实施流程如图2。
与个体随机化试验相同，整群随机试验研究问题也根据PICO的框架进行构建，即对实际公共卫生决策中所涉及的人群（population）、干预（intervention）、对照（control）、结局（outcome）4个方面进行明确的定义[5]。
在构建问题后，要对问题框架的4个方面进行详细的定义。研究对象的确定应该同时考虑整群的数量和整群规模，以及整群内所需研究对象的纳入与排除标准，还应考虑年龄、性别、病程、既往史、治疗史等信息。干预和对照应考虑干预措施的强度、频率、途径等。结局应该定义主要结局以及次要结局，测量结局的时间和方法等。明确的定义不仅可以使研究问题变得清晰，而且有助于评价研究结果的外推性[5]。
根据研究目的，应该选择相应的符合条件的研究现场与整群，通常考虑以下几个方面。（1）试验现场人口相对稳定，流动性小，并且整群样本数量较充足，能够满足样本量要求。（2）在验证某疾病的病因和危险因素时，应选择近期未发生此疾病流行的地区。（3）试验地区有较好的医疗卫生条件，卫生保健机构比较健全，登记报告制度较完善等。（4）试验地区的领导重视，群众能够接受，依从性较高。（5）在选择整群时，最好选择规模相似，经济水平可比的整群。
确定对研究对象施加的干预措施时，应该对比较组间施加的时间、地点、频率、强度等进行明确定义，保证干预组与对照组中这些因素相同，比较组之间干预效果的差异才能归因于干预措施的不同。
整群随机试验的主要结局一般为减少发病或者死亡，但是通常也可以确定次要结局，如危险行为的改变等。在整群随机试验中，一般要考虑结局是否具有公共卫生意义，能否被准确记录等。在健康危险行为的干预试验中，尤其应该注意健康效果的滞后性，因此评价行为改变的直接效应也是非常重要的。
由于整群随机试验以整群为单位，同一整群内的个体往往比不同整群的个体在干预效果上有更为相似的结果（非独立性），使得样本量相同时，整群随机试验提供的信息少于个体随机对照试验，即降低了研究的有效样本量，进而降低了研究的统计能力。因此，要保证与个体随机对照试验相当的检验效能，需要增加整群随机试验的样本量，通常要考虑设计效率（design effect，DE），而设计效率与群内相关系数[intracluster correlation coefficient，ICC（ρ）]有关。设计效率DE=1+（
m-1）×ICC，其中
m指平均整群规模；群内相关系数指结局变量的整群间变异占总变异的百分比，描述整群间的相似程度。ICC=Sb2/（Sb2+Sw2）。其中，Sb2指整群间的方差，Sw2指整群内的方差。对于ICC的估计，一般通过查阅已发表的试验报告中的ICC数值、或者通过查阅ICC清单获得，如英国Health Services Research Unit in Aberdeen网站中列出了一些整群随机对照研究的ICC[6]。
在计算样本量时，为了简化样本量估计方法，一般根据预先设定的各个整群相同的整群规模来确定整群样本数量，进而探究整群规模不同的情况。通常在实际工作中，在显著性水平（α）、检验效能（1-β）、ICC以及比较组间结局变量的目标差异确定时，整群规模的增大与相应所需的整群样本数量的减少是不成比例的，也就是说，整群规模变化很大时，整群样本数量的变化却很小。例如，沈敏学等[7]利用整群随机试验分析营养与食品安全教育对改善我国西部地区小学生知识、态度、行为的有效性时，根据给定的统计量计算，当整群规模m为20时，每组所需整群样本数量k为6.01，而当整群规模m扩大为40时，每组所需整群样本数量k为5.62，与6.01相差很小。而且，根据整群随机试验的检验效能与精确度变化曲线可知[8]（图3），当整群数量、目标差异、显著性水平一定时，随着整群规模的增加，试验的检验效能和精确性也会增加，但是当整群规模增加到一定数量时，试验的检验效能和精确性的增加就不会太多，甚至几乎不增加。对于"一定数量"的确定，有学者提出，当整群规模超过1/ICC时，检验效能的增加就不会太多，也有学者认为应该为2/ICC[9,10,11]。简言之，在研究中包含大量的"大型"整群是没有帮助的。100个规模大小为10人的整群，比10个规模大小为100人的整群检验效能更强。纳入更多的整群比纳入更多的个体会产生更高的检验效能。在这种情况下，可以在整群中选择随机样本。对于整群规模的限定，有学者通过公式推导，提出确定样本量的其中一个简单规则为，整群规模不能超过个体随机化下每个比较组所需的样本量[8]，具体推导过程见参考文献，不再赘述。
基于上述情况，每组的整群样本数量k的计算公式为，k=Ntot/m=N×(1+ρ(
m-1)/
m)。最终所需样本总数为2
mk，即2 
mk＝2N×DE＝2N×[1+ρ(
m-1)],其中，k为整群样本数量，Ntot为整群随机试验每组所需样本量，
m为平均整群规模，N为相应的个体随机试验每组所需样本量，ρ为群内相关系数。以上公式的假设为，通过简单随机化分组，结局变量为连续变量或者二分类变量，干预效果通过比较组间均数或者比例的差值进行估计，干预组与对照组间ICC相同。对于分层随机化以及匹配随机化设计的样本量计算较为复杂[12]。
整群随机试验样本量的计算实例，Donner等[13]通过以家庭为单位的整群随机试验，探究减少钠的摄入量对血压的降低效果。根据以往研究结果，估计出ICC为0.2，每个家庭平均人数为3.5人，因此，整群随机试验每组样本量根据个体随机试验进行扩大，即DE=1+ρ（
m-1）=1+0.2（3.5-1）=1.5。因此，整群随机试验样本量相对于个体随机对照试验扩大50%。
根据研究所需的整群样本数量、整群之间的异质性程度，以及实现匹配的难易度等，整群随机试验的随机化方式分为完全随机化、分层随机化和匹配随机化。通常整群的样本数量较小、且整群之间的变异度较大时，比较适合分层随机化和匹配随机化。
（1）完全随机化设计。完全随机化设计也称简单随机化，是将整群按简单随机方法分配到不同处理组。完全随机化适用于整群样本数量较多、整群规模相近的情况。如果整群样本数量较少，完全随机化会导致不同处理组间基线特征不均衡；如果研究的整群规模不同，则可能导致不同处理组间样本量的巨大差异，研究对象的特征在群体水平和个体水平都可能出现相当大的不均衡,从而影响最终的结果。但是当整群之间的特征均衡可比时，完全随机化设计是最简单方便的方法。例如，Zhou等[14]通过整群随机试验，评价社区综合干预对中国广东慢性阻塞性肺病（COPD）的疗效。采用完全随机化设计，用计算机生成随机列表，从广州12个行政区中选择一个行政区——立旺区，再从立旺区的9个均衡可比的社区中选择2个社区——西春社区和南苑社区。然后通过简单随机方法将2个社区随机分配到干预组和对照组。Richards等[15]比较中至重度抑郁症患者的综合护理与常规护理的临床效果，采用了完全随机化设计的整群随机试验，随机抽取英国3个行政区中的51家初级卫生保健机构，并将51家初级卫生保健机构随机分配到干预组和对照组。
（2）分层随机化设计。分层随机化是按照已知的混杂因素进行分层，使得混杂因素在干预组和对照组间分布均衡。根据整群的特性分成互不相交的整群，每一层包含2个以上规模大小相同、基本特征相似的整群，但各层之间的基本特征可能差别较大。然后在每一层将整群随机分配到干预组和对照组。层的数量不宜过多，以保证整群之间的均衡。整群规模的大小通常是分层的因素之一，因为不仅可以达到整体平衡，而且整群规模可能也是一个整群内的变动情况的预测指标。另外，经常被作为分层因素的还有地理区域或者社会经济状况等宏观指标[16]，以及性别、时间等与结局变量高度相关的因素。例如，在一项教育研究中[3]，假定教育研讨会举行的"日期"会影响结果变量（即它是一个混杂因子），在这种情况下，可以先按"日期"（如周一、三、五）分层，然后在每个"日期"中将研习班随机分到干预组或对照组，使得混杂因素"日期"几乎均匀地分布在两组。沈敏学等[7]利用整群随机试验分析营养与食品安全教育对改善我国西部地区4～6年级小学生知识、态度、行为的效果时，采用分层随机化设计，从西部地区抽取2个贫困县，再分别从中各抽取6所小学，然后由计算机生成随机序列，最终每个县中均有3所小学进入干预组，3所小学进入对照组。
（3）匹配随机化设计。随机分配在个体随机对照试验中是为了确保比较组间基线特征的差异是由于机遇造成，而非系统误差造成。对于整群随机试验，由于研究者难以控制每个整群内的个体，并且整群样本数量通常相对较小，因此，为了防止干预组和对照组中的整群在研究起始阶段明显不匹配，在随机化之前就对整群进行匹配，以减少干预组和对照组间的不均衡。匹配设计是按照影响结果变量的重要因素，形成尽可能相似的"整群对子"，比如通常根据年龄、性别、文化背景、社会经济地位和职业等因素进行配对，形成匹配因素分布相似的"整群对子"。然后将匹配的2个整群随机分配的干预组和对照组，从而保证2组的基本特征是均衡的。但匹配条件不应该太多，否则难以找到可以相互匹配的整群，且一个整群的退出将影响与之配对的整群，导致与之配对的整群必须被排除，或者在数据分析阶段不进行匹配。Cradock等[17]评价在小学生现有课后活动中倡导增加营养与体力活动项目对增强学生体力活动水平是否有效的研究（OSNAP），采用了匹配设计的整群随机试验，选择20个现有课后活动的项目点（作为整群），根据整群的主要特征进行匹配，这些特征包括现有课后活动的提供方，零食的供应商，体育设施，学校的民族构成，社会经济学特征。然后配成10对整群，收集基线数据后，运用计算机随机生成数列将匹配的"整群对子"随机分配到干预组和对照组。Wood等[18]评估以家庭为单位、多学科合作的护理模式，在日常临床实践中能否改善人们的生活方式以及提高预防保健水平，采用了匹配设计的整群随机试验，对6个国家的12家综合医院和12家社区卫生服务中心按照基本特征进行匹配，然后将6对综合医院以及全6对社区卫生服务中心随机分配到干预组和对照组。
（4）随机化设计过程中的"沾染"问题。虽然整群随机试验相对于个体随机对照试验能够减少"沾染"问题，但是并不能完全消除"沾染"。与个体随机对照试验相比，整群随机试验不容易掌握受试者的行为，而且研究现场的情况复杂，受试者行为具有多样性；另外社交媒体的广泛使用也是一个重要的原因，导致对照组可能采用与干预组相同的措施。因此，在试验设计阶段，可以选择具有明确地理分界的整群作为观察单位，或者扩大整群的范围以尽可能减少"沾染"；也可以通过设立外对照的方法评价"沾染"（"外对照"指除试验中已有的干预组和对照组外，选择试验外的某个可比的整群作为对照）。并且选择容易接受的干预措施以及易观察到的结局，尽可能缩短随访时间。在试验实施阶段，严格遵循设计方案，由经过统一培训并考核合格的研究人员进行实施；广泛开展宣传动员，说明此项研究的意义，取得研究对象的支持与协作，以减少失访率，提高研究对象的依从性。
（1）整群随机试验数据的收集和整理。整群随机试验由于样本量大，在收集资料时，常不能像个体随机对照试验一样做精细的随访记录，因此需建立登记系统收集结局资料，如发病率、死亡率资料。在整理结局资料时，对于不合格的研究对象，处理的方法与个体随机对照试验相同。而对于不依从的研究对象，在进行结局分析时可以进行意向性分析和遵循研究方案分析，不能进行接受干预分析，因为此方法将对整群进行拆分。另外，整群随机对照是以整群为抽样和分析单位的，因此存在整群水平和个体水平上的失访，在进行资料整理时，如果整个整群中途退出，应将此整群剔除，若是匹配随机化设计，应将与之配对的整群也剔除。
（2）整群随机试验的分析。由于存在群内相关性，整群随机试验的分析相对来说更为复杂，但是目前国内发表的整群随机试验研究的分析中，大多数仍然选择传统的统计学方法，导致所得到的结论与实际情况不同[19]。Donner等[13]对整群随机试验的设计和分析的研究发现，由于整群内部个体之间存在相似性，整群随机试验并不满足传统统计分析的独立性假设条件，因此运用传统的分析方法将出现问题。以往研究表明，如果在研究设计阶段不考虑ICC则会增加犯Ⅱ类错误的概率，而在分析阶段不考虑ICC则增加犯Ⅰ类错误的概率[10]。如果用传统的统计学方法进行分析，如两样本均数比较的t检验，估计得到的置信区间和P值将会比实际情况小，提高犯Ⅰ类错误的概率。Zucker[20]指出，将适合于个体随机试验的分析方法应用于整群随机试验所得到的统计结论实际上是不能接受的。因此，考虑到统计学上的群内相关性问题，在进行分析时应该进行调整。整群随机试验可以在整群水平和个体水平上进行统计分析。
整群水平的分析是整群随机试验中最简单的分析方法，此方法分为2个过程：首先，根据每个整群内部的个体对所在整群计算一个统计量（即对整群水平的总结）；然后将得到的新统计量运用适当的统计方法进行分析。目前关于整群水平的分析方法有很多，如summary measures方法，即对于连续变量，求出每一个整群内个体的summary统计量（如均值），对于分类结局变量可求百分比；然后将得到的新的summary统计量作为新的观察值，对不同组间的整群进行分析，其自由度取决于整群样本数量。此方法简单易行，而且用大多数软件都可以实现[21,22]。例如，某个研究新的教育方法效果的项目，在分析时使用每个班级的平均成绩（即整群内部所有个体的结局变量的平均值）进行整群间的分析，而不分析学生的个人成绩。如果需要考虑协变量，则可以进行回归分析。整群水平分析的优点是结果较稳健，特别是当整群样本数量很少时，但其缺点是没有考虑整群内部的变化。进行整体水平分析的另一种方法是利用设计效率进行单因素的统计检验，由此所得到的个体水平上的结果可以看作统计上的独立[23]。
而个体水平的分析特别适用于整群规模之间差异很大的情况，这时如果在整群水平上分析效率较低，应该在个体水平上进行分析。例如，调整后的2个样本均数比较的t检验就是一种允许在个体水平上进行分析的单因素统计方法。如果要考虑的协变量，可用稳健的方差估计法、或基于模型的广义估计方程法（GEE）、混合效应模型、多水平模型、随机系数模型、贝叶斯等级模型等方法。使用这些方法比使用整群水平的分析方法更有优势，因为协变量对研究结果的影响可以在比较组的级别上进行检验。
个体水平的分析方法中，GEE被广泛用于假设检验与区间估计，且不需要对结局变量的分布进行假设[24]，但是建议在使用GEE时，每个组内的整群数量最好不少于20个，当每组群数小于20个时，建议使用修正的GEE或贝叶斯等级模型法[25,26]。目前混合效应模型应用也较为广泛，要求资料满足正态分布，运用该模型中干预效应的推断可以进行wald检验、t检验，但是在进行t检验时要注意自由度的选择[19]。个体水平分析方法的缺点在于当整群样本数量较少时，其稳健性较差。因此，如果每个研究组的整群少于15～20个，则建议使用整群水平的分析方法[27]。在整群样本数量较多的研究中，个体水平的分析方法具有一定的优势，尤其是当整群之间的规模差异较大时。
在实际分析中，用整群水平和个体水平的分析方法所得到的结果相差不大[19]，因此可以根据实际情况选择分析方法，但无论使用何种分析方法，都要注意ICC的影响。
CONSORT声明是为报告个体随机对照试验而开发的，但已被Campbell等人扩展应用到整群随机试验。扩展CONSORT声明考虑了整群随机试验的特殊性，对整群随机试验应该报告的清单进行了扩展,该指南同时推荐使用流程图来显示受试者从分配到最后分析的流程。对整群随机试验的CONSORT扩展清单见表1，具体内容见http://www.consort-statement.org/。
CONSORT对整群随机试验扩展对照检查清单
CONSORT对整群随机试验扩展对照检查清单
| 论文章节或主题 | 条目号 | 对照检查的条目 | |
|---|---|---|---|
| 文题和摘要 | |||
| 1a | 文题能识别是整群随机试验 | ||
| 1b | 结构式摘要，包括试验设计、方法、结果、结论几个部分 | ||
| 引言 | |||
| 背景和目的 | 2a | 运用整群随机试验的原理 | |
| 2b | 研究对象属于整群水平、个体水平还是二者兼具 | ||
| 方法 | |||
| 试验设计 | 3a | 对整群的定义，描述能够应用于整群的设计 | |
| 受试者 | 4a | 整群的合格标准 | |
| 干预 | 5 | 干预属于整群水平、个体水平还是二者兼具 | |
| 结局指标 | 6a | 结局测量属于整群水平、个体水平还是二者兼具 | |
| 样本量 | 7a | 计算方法、整群样本数量（假设各整群的规模是否相等）、整群规模、群内相关系数（ICC或者k）、以及其不确定性的说明 | |
| 随机方法： | |||
| 序列的产生 | 8b | 如果运用分层或者匹配，说明细节 | |
| 分配隐藏机制 | 9 | 规范化分配是基于整群而不是个体，分配隐藏（如果有）是在整群水平、个体水平还是二者兼具 | |
| 干预 | 10a | 记录生成随机分配序列、招募整群、将整群分配到干预组和对照组的人员 | |
| 10b | 为了试验目的（全部纳入或者随机抽样）而选择整群中的个体的机制 | ||
| 10c | 向整群的代表、每一位整群内的成员还是向二者征求同意，以及征求同意是在随机化之前还是随机化之后 | ||
| 统计方法 | 12a | 怎样考虑整群的统计方法 | |
| 结果 | |||
| 受试者流程（极力推荐使用流程图） | 13a | 随机分配到各组的整群样本数量，接受已分配治疗的数量，以及纳入主要结局分析的数量 | |
| 13b | 随机分组后，各组脱落和被剔除的整群以及整群内部的个体 | ||
| 基线资料 | 15 | 各组的个体和整群水平上的基线特征 | |
| 纳入分析的例数 | 16 | 每组中的每次分析包含的整群样本数量 | |
| 结局和估计值 | 17a | 结果在个体水平或者群体水平的适用性，并为每个主要结局提供群内相关系数（ICC或者k） | |
| 可推广性 | 21 | 整群和/或个体参与者的可能性（或相关） | |
整群随机试验中，研究者除了要考虑整群水平上的伦理问题，还要考虑到个体水平的伦理问题。在任何人体试验研究中，观察对象都有权利了解试验的目的、方法、参与试验的益处和可能的危害或不良反应。
虽然知情同意在某种程度上是必要的，但是取决于干预的类型，也取决于相关伦理委员会的具体要求。如果有充分的理由，也可以不获得所有个体参与者的知情同意[28]，例如，如果干预只是间接地影响到个人，就不需要所有个体参与者的知情同意，其中最典型的例子是发布新的卫生政策。
所有作者均声明不存在利益冲突
1．整群随机试验与个体随机对照试验相比，最突出的特点是:
A.不存在伦理学问题
B.不容易出现“沾染”问题
C.研究和分析单位是整群
D.失访率更低
E.分析方法更复杂
2．关于整群随机试验，描述正确的是:
A.由于整群随机试验抽样和分析都是以整群为单位的，因此整群内部包含的个体必须全部作为研究对象
B.由于整群随机试验受到的伦理学挑战较少，所以评价干预效果时优先选择整群随机试验
C.为了提高研究的统计效率，可以增加整群内的个体数量
D.如果在分析阶段不考虑群内相关系数，犯Ⅰ类错误的概率将增加
E.整群样本数量越多，整群规模越大，研究的统计效率越高
3．关于随机化的原则，描述错误的是:
A.完全随机化适用于整群样本数量较大、整群规模相近的情况
B.在进行分层随机化时，层的数量不宜过多
C.整群规模是进行分层随机化时需要考虑的因素
D.进行匹配随机化时，设置尽可能多的匹配因素，以保证组间的均衡可比
E.一个整群若中途退出研究，与之配对的整群都必须被排除，或者在数据分析阶段不进行匹配。
4．整群随机试验不适用于哪种研究:
A.行为干预研究
B.环境暴露干预研究
C.新药效果的研究
D.宣传教育干预
E.疫苗对疾病的预防效果
5．整群随机试验的目的不包括:
A.评价干预措施的效果
B.评价疾病的流行情况
C.验证病因和危险因素
D.评价公共卫生实践的质量
E.评价公共卫生策略
