聚類式隨機對照試驗: 科學實驗嘅形式

cRCT 有別於一般嘅隨機對照試驗：想像依家要做癌症研究，研究者手上有 A 同 B 呢兩隻療法，研究目標係想知道邊一隻療法比較有效；佢哋跟住就搵咗 100 位患咗肺癌嘅病人返嚟做研究對象（受試者）；如果佢哋採用嘅係隨機對照試驗，分組做法會係個體層面嘅，即係

1. 攞下一位受試者；
2. 隨機噉揀 A 組定 B 組；
3. 將位受試者分落揀咗嗰組；
4. 返去第 1 步，直至所有受試者都有組為止；

隨機對照試驗有陣時比較難做到。研究者有可能焗住要用 cRCT 呢種聚類層面方法嚟分組，想像嗰 100 位病人係嚟自 10 間唔同醫院嘅，cRCT 分組做法就係

1. 攞下一間醫院（分組單位變咗）；
2. 隨機噉揀 A 組或者 B 組；
3. 將屬嗰間醫院嘅受試者分晒落揀咗嗰組；
4. 返去第 1 步，直至所有受試者都有組為止；

—即係話班研究對象分咗做幾個聚類（一間醫院係一個聚類，每個聚類有若干個個體），研究者同聚類分組，而唔係同個體分組。

一般認為，個體層面分組係最「理想」嗰種做法^{:p 2}。想像依家研究者用咗 cRCT，發現接受 A 療法嘅病人條命長啲（效果）；但係佢哋用咗 cRCT，就出現一條問題—已知兩組病人喺「接受咗邊隻療法」同埋「屬於邊間醫院」呢兩點上都唔同，個效果之所以會出現，係因為 A 療法真係掂啲，定係因為 A 組啲病人所屬嗰幾間醫院啲服務好啲呢？研究者要分析啲 data 嗰陣就會比較撈絞，或者最少會對樣本大細同統計功效有比較嚴格嘅要求。

另一方面，現實又表明，個體層面分組有時係行唔通嘅：舉個例子說明，想像依家要做一份研究，睇幾種唔同減肥方法嘅成效；個體層面分組可能會造成唔同組嘅受試者喺相同環境下共處，同一間醫院嘅病人有啲用咗 A 方法減肥，有啲用咗 B 方法減肥，兩組受試者成日撞口撞面，噉 A 組嘅受試者就好可能會例如將自己用嗰隻方法講畀 B 組嘅受試者知，跟住 B 組受試者就自己走去試吓嗰隻做法—結果就干擾咗最後睇到嘅效果；喺呢種研究當中，cRCT 被指可以減少唔同組嘅受試者接觸嘅頻率，減少呢種干擾發生嘅機會率^{:p 2}。

• T-測試
• 多層模型
• 混合模型：cRCT 研究成日用呢種分析方法。
• 聚類分析：cRCT 講嗰啲「聚類」，同聚類分析講嘅係兩個唔同嘅概念。
• （英文） 聚類式隨機試驗，倫敦大學
• （英文） Grøver, V., Rydland, V., Gustafsson, J. E., & Snow, C. E. (2020). Shared book reading in preschool supports bilingual children's second‐language learning: A cluster‐randomized trial (PDF). Child development, 91(6), 2192-2210，呢篇學術文講細路學第二語言，用咗 cRCT 嘅方法分析佢嗰套第二語言教學法成效係點。

以下係本文提咗嗰啲主要概念嘅詞彙對照：

以下係本文引述咗嘅文獻或者網頁：