BACKGROUND The Multiphase Optimization Strategy (MOST) is designed to maximize the impact of clinical healthcare interventions, which are typically multicomponent and increasingly complex. MOST often relies on factorial experiments to identify which components of an intervention are most effective, efficient, and scalable. When assigning participants to conditions in factorial experiments, researchers must be careful to select the assignment procedure that will result in balanced sample sizes and equivalence of covariates across conditions while maintaining unpredictability. METHODS In the context of a MOST optimization trial with a 2x2x2x2 factorial design, we used computer simulation to empirically test five subject allocation procedures: simple randomization, stratified randomization with permuted blocks, maximum tolerated imbalance (MTI), minimal sufficient balance (MSB), and minimization. We compared these methods across the 16 study cells with respect to sample size balance, equivalence on key covariates, and unpredictability. Leveraging an existing dataset to compare these procedures, we conducted 250 computerized simulations using bootstrap samples of 304 participants. RESULTS Simple randomization, the most unpredictable procedure, generated poor sample balance and equivalence of covariates across the 16 study cells. Stratified randomization with permuted blocks performed well on stratified variables but resulted in poor equivalence on other covariates and poor balance. MTI, MSB, and minimization had higher complexity and cost. MTI resulted in balance close to pre-specified thresholds and a higher degree of unpredictability, but poor equivalence of covariates. MSB had 19.7% deterministic allocations, poor sample balance and improved equivalence on only a few covariates. Minimization was most successful in achieving balanced sample sizes and equivalence across a large number of covariates, but resulted in 34% deterministic allocations. Small differences in proportion of correct guesses were found across the procedures. CONCLUSIONS Based on the computer simulation results and priorities within the study context, minimization with a random element was selected for the planned research study. Minimization with a random element, as well as computer simulation to make an informed randomization procedure choice, are utilized infrequently in randomized experiments but represent important technical advances that researchers implementing multi-arm and factorial studies should consider.

中文翻译：

---

模拟和最小化：析因实验的技术进步，旨在优化临床干预措施。

背景技术多阶段优化策略（MOST）被设计成最大化临床医疗干预措施的影响，这些干预措施通常是多组分的并且越来越复杂。MOST通常依靠析因实验来确定干预的哪些组成部分最有效，高效和可扩展。在析因实验中为参与者分配条件时，研究人员必须谨慎选择分配程序，以确保均衡的样本量和整个条件下协变量的等效性，同时保持不可预测性。方法在采用2x2x2x2析因设计的MOST优化试验的背景下，我们使用计算机模拟对5个受试者分配程序进行了经验测试：简单随机化，带有置换块的分层随机化，最大耐受失衡（MTI），最小的足够余额（MSB）和最小化。我们在16个研究单元中比较了这些方法的样本大小平衡，关键协变量的等效性和不可预测性。利用现有的数据集来比较这些过程，我们使用304个参与者的引导程序样本进行了250次计算机模拟。结果简单的随机性（最不可预测的过程）在16个研究细胞中产生了差的样品平衡和协变量的等效性。带置换块的分层随机化在分层变量上表现良好，但导致其他协变量的等效性差和平衡差。MTI，MSB和最小化具有更高的复杂性和成本。MTI导致余额接近预先设定的阈值和较高的不可预测性，但是协变量的等效性很差。MSB有19。7％的确定性分配，较差的样本余额以及仅在少数协变量上改善了等效性。最小化最成功地实现了许多协变量之间的均衡样本量和等效值，但确定性分配达到了34％。在整个过程中发现正确猜测比例的微小差异。结论根据计算机仿真结果和研究范围内的优先级，为计划的研究选择了随机因素最小化的方案。在随机实验中很少使用具有随机元素的最小化以及计算机模拟来做出明智的随机程序选择，但这代表了进行多臂和阶乘研究的研究人员应考虑的重要技术进步。样本平衡差，仅改善了一些协变量的等效性。最小化最成功地实现了许多协变量之间的均衡样本量和等效值，但确定性分配达到了34％。在整个过程中发现正确猜测比例的微小差异。结论根据计算机仿真结果和研究范围内的优先级，为计划的研究选择了随机因素最小化的方案。在随机实验中很少使用具有随机元素的最小化以及计算机模拟来做出明智的随机化程序选择，但是它们代表了进行多臂和阶乘研究的研究人员应考虑的重要技术进步。样本平衡差，仅改善了一些协变量的等效性。最小化最成功地实现了许多协变量之间的均衡样本量和等效值，但确定性分配达到了34％。在整个过程中发现正确猜测比例的微小差异。结论根据计算机仿真结果和研究范围内的优先级，为计划的研究选择了随机因素最小化的方案。在随机实验中很少使用具有随机元素的最小化以及计算机模拟来做出明智的随机程序选择，但这代表了进行多臂和阶乘研究的研究人员应考虑的重要技术进步。最小化最成功地实现了许多协变量之间的均衡样本量和等效值，但确定性分配达到了34％。在整个过程中发现正确猜测比例的微小差异。结论根据计算机仿真结果和研究范围内的优先级，为计划的研究选择了随机因素最小化的方案。在随机实验中很少使用具有随机元素的最小化以及计算机模拟来做出明智的随机程序选择，但这代表了进行多臂和阶乘研究的研究人员应考虑的重要技术进步。最小化最成功地实现了许多协变量之间的均衡样本量和等效值，但确定性分配达到了34％。在整个过程中发现正确猜测比例的微小差异。结论根据计算机仿真结果和研究范围内的优先级，为计划的研究选择了随机因素最小化的方案。在随机实验中很少使用具有随机元素的最小化以及计算机模拟来做出明智的随机程序选择，但这代表了进行多臂和阶乘研究的研究人员应考虑的重要技术进步。但获得了34％的确定性分配。在整个过程中发现正确猜测比例的微小差异。结论根据计算机仿真结果和研究范围内的优先级，为计划的研究选择了随机因素最小化的方案。在随机实验中很少使用具有随机元素的最小化以及计算机模拟来做出明智的随机程序选择，但这代表了进行多臂和阶乘研究的研究人员应考虑的重要技术进步。但获得了34％的确定性分配。在整个过程中发现正确猜测比例的微小差异。结论根据计算机仿真结果和研究范围内的优先级，为计划的研究选择了随机因素最小化的方案。在随机实验中很少使用具有随机元素的最小化以及计算机模拟来做出明智的随机程序选择，但这代表了进行多臂和阶乘研究的研究人员应考虑的重要技术进步。为计划的研究选择了随机因素最小化的方法。在随机实验中很少使用具有随机元素的最小化以及计算机模拟来做出明智的随机程序选择，但这代表了进行多臂和阶乘研究的研究人员应考虑的重要技术进步。为计划的研究选择了随机因素最小化的方法。在随机实验中很少使用具有随机元素的最小化以及计算机模拟来做出明智的随机程序选择，但这代表了进行多臂和阶乘研究的研究人员应考虑的重要技术进步。