En general, no hay problema en desechar una recomendación hecha por un proceso de aleatorización si no se ajusta a alguna restricción. Eso es simplemente muestreo de rechazo . Por ejemplo, se puede obtener una secuencia aleatoria de números enteros del 1 al 5 lanzando un dado repetidamente, aceptando cualquier valor de ese rango y desechando los valores de 6 que aparezcan.
El problema aquí es la restricción: no más de 3 participantes secuenciales con la misma condición. Esto supone un riesgo de sesgo de selección independientemente de cómo se proceda.
El aspecto determinista de un diseño de bloques permutados puede dar lugar a un sesgo de selección. Por ejemplo, en los bloques de tamaño 3 que sugerí inicialmente en un comentario (sin pensar lo suficiente en el sesgo de selección), una vez que se realizan las dos primeras asignaciones dentro de un bloque se determina la tercera. La recomendación de un clínico sobre la inclusión de un paciente en un ensayo no cegado puede estar inconscientemente influenciada por cualquier sensación de que la elección del ensayo para ese paciente podría ser "correcta" o "incorrecta" basada en el juicio clínico. Cualquier información parcial sobre el siguiente tratamiento "aleatorio" en línea plantea este problema.
Matts y Lachin discuten dos tipos de sesgo de selección en los diseños de bloques permutados: un sesgo potencial por un "exceso de aciertos en las asignaciones de tratamiento más allá de lo esperado por el azar" y por conocer con certeza la siguiente condición de tratamiento. Este ensayo de teléfonos inteligentes podría enfrentarse a ambos problemas si se sabe que no se pueden asignar más de 3 del mismo modelo de forma secuencial durante el ensayo. Por ejemplo, si los últimos 3 teléfonos distribuidos en el ensayo fueran modelos SamdroidX pero un vendedor pensara que un SamdroidX es "el adecuado" para el siguiente cliente, eso podría llevar a impulsar una venta en lugar de proponer el ensayo.
El artículo de Zhao y Weng que usted enlaza (manuscrito disponible gratuitamente aquí ) proporciona una buena visión general del problema y demuestra una forma de minimizar el sesgo de selección a la vez que proporciona una asignación equilibrada con su diseño de urna en bloque. Pero una vez que se impone la restricción de no más de 3 en una fila mediante la elección entre múltiples semillas aleatorias, el riesgo de sesgo de selección aumenta.
Si se utilizara un diseño de bloques permutados, un tamaño de bloque mayor que 3 o el uso de diferentes tamaños de bloque podría ser preferible a los bloques de tamaño 3 fijos.* Por ejemplo, alternar bloques de tamaño 3 y de tamaño 6 evitaría las tiradas de más de 3 y proporcionaría patrones más difíciles de reconocer. También se pueden diseñar bloques de mayor tamaño y, a continuación, descartar los bloques o reorganizar el orden entre ellos para cumplir la restricción.
Sea como sea, la restricción de secuencias de no más de 3 de la misma condición supondrá un riesgo de sesgo de selección. La magnitud del riesgo dependerá tanto del esquema de asignación como de los detalles de cómo se implementaría el ensayo. Podría ser útil utilizar los tipos de análisis descritos por Matts y Lachlin y por Zhao y Weng para comparar los esquemas propuestos con respecto a sus riesgos de ese sesgo.
*Con los bloques permutados de tamaño 3 nunca habría más de 2 del mismo modelo asignados en una fila. Supongo que si los que implementan el ensayo esperaban un límite de 3 y no sabían de este límite inherente de 2 entonces el sesgo de selección podría ser minimizado. Cuanto menos sepan los que implementan el ensayo sobre el diseño, menor será la posibilidad de sesgo de selección. Pero las personas pueden ser muy buenas reconociendo patrones y podrían interiorizar inconscientemente el diseño.
