Practical considerations for sample size calculation for cluster randomized trials
Notice bibliographique
Résumé
Cluster randomized trials are an essential design in public health and medical research, when individual randomization is infeasible or undesirable for scientific or logistical reasons. However, the correlation among observations within clusters leads to a decrease in statistical power compared to an individually randomised trial with the same total sample size. This correlation - often quantified using the intra-cluster correlation coefficient - must be accounted for in the sample size calculation to ensure that the trial is adequately powered. In this paper, we first describe the principles of sample size calculation for parallel-arm CRTs, and explain how these calculations can be extended to CRTs with cross-over designs, with a baseline measurement and stepped-wedge designs. We introduce tools to guide researchers with their sample size calculation and discuss methods to inform the choice of the a priori estimate of the intra-cluster correlation coefficient for the calculation. We also include additional considerations with respect to anticipated attrition, a small number of clusters, and use of covariates in the randomisation process and in the analysis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,523 | 0,827 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,003 | 0,011 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,009 | 0,006 |
| Intégrité de la recherche | 0,012 | 0,025 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,006 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».