ExamWise
115年:物治概論(1)

隨機將研究個案分配至控制組、實驗組，此過程最大優點在於：

A消除特定影響結果之干擾因子
B有效控制潛在影響結果之因子
C消除人為測量誤差
D有效控制測量誤差

詳細解析

本題觀念：

隨機分配 (Random Assignment / Randomization)

本題核心在於理解臨床試驗或流行病學研究中「隨機分配」的真正目的與獨特優勢。隨機分配是將研究對象以機率方式分配至實驗組或控制組的過程，其最主要的目的是為了確保各組在基線（Baseline）特徵上的可比性。

選項分析

  • A. 消除特定影響結果之干擾因子 (Eliminate specific confounding factors)

    • 分析：雖然隨機分配確實能處理干擾因子，但「特定」二字通常暗示著研究者「已知」或「指定」的變項（如年齡、性別）。對於已知且特定的干擾因子，研究者亦可透過配對 (Matching)、限制 (Restriction) 或分層 (Stratification) 來控制。因此，處理「特定」因子並非隨機分配最獨特或最大的優點（儘管它也能做到）。
    • 結論：描述不夠精確，未能凸顯隨機分配處理「未知」變項的能力。

  • B. 有效控制潛在影響結果之因子 (Effectively control potential factors)

    • 分析：這是隨機分配最大的優點。隨機分配能讓已知（Known）與未知（Unknown/Potential）的干擾因子在組間平均分佈。許多潛在的影響因子（如受試者的基因體質、生活細節等）是研究者無法預先測量或得知的，只有透過隨機分配，才能在統計上假設這些潛在因子在兩組間是平衡的，從而避免選擇性偏差 (Selection Bias)，確保觀察到的結果差異是由實驗介入（Intervention）本身所引起。
    • 結論：正確答案。它涵蓋了隨機分配獨有的能力——控制那些無法觀測到的「潛在」干擾變項。

  • C. 消除人為測量誤差 (Eliminate human measurement error)

    • 分析：測量誤差（Measurement Error）與資料收集的準確度有關，與受試者如何分組無關。要減少人為測量誤差，通常是透過盲性設計 (Blinding)、標準化測量工具或訓練測量人員來達成。
    • 結論：錯誤。隨機分配無法解決測量上的問題。

  • D. 有效控制測量誤差 (Effectively control measurement error)

    • 分析：同選項 C，測量誤差屬於資訊偏差 (Information Bias) 的範疇，而非隨機分配（處理選擇偏差與干擾）的主要功能。
    • 結論：錯誤。

答案解析

正確答案：B

隨機分配（Randomization）在臨床試驗（如 RCT）中被視為黃金標準，其核心價值在於它能打破「干擾因子」與「分組」之間的關聯。

  1. 對於已知的干擾因子（Specific factors），配對或分層也能處理。
  2. 對於未知或潛在的干擾因子（Potential/Unmeasured factors），唯有隨機分配能夠有效地將其平均分散至實驗組與控制組，使兩組在起點上具有可比性。

因此，隨機分配最大的優點在於它能有效控制潛在（包含未知）的影響因子，確保因果推論的內部效度 (Internal Validity)。

核心知識點

考生應釐清以下流行病學/生物統計的重要概念區別：

  1. 隨機分配 (Random Assignment) vs 隨機抽樣 (Random Sampling)：

    • 隨機分配：目的是控制干擾因子（特別是未知的），增加內部效度（Internal Validity）。(本題考點)
    • 隨機抽樣：目的是確保樣本具代表性，增加外部效度（External Validity/Generalizability）。

  2. 控制干擾因子 (Confounding) 的方法：

    • 設計階段：隨機分配 (Randomization)、限制 (Restriction)、配對 (Matching)。
    • 分析階段：分層分析 (Stratification)、多變項迴歸分析 (Multivariate Regression)。

  3. 減少誤差 (Error/Bias) 的方法：

    • 選擇偏差 (Selection Bias)：靠隨機分配解決。
    • 資訊/測量偏差 (Information/Measurement Bias)：靠盲性設計 (Blinding)、儀器校正解決。

參考資料

  1. NIH National Library of Medicine - How to control confounding effects by statistical analysis (說明隨機分配能平均分布已知與未知的干擾因子)
  2. Statistics By Jim - Random Assignment in Experiments (強調隨機分配能減輕潛在干擾變項的威脅)
  3. StudySmarter - Confounding Control: Definition & Techniques (比較隨機分配、配對與分層的功能差異)
了解本站架構