中国人民大学健康大数据研究院李扬教授团队的研究成果“Adaptive Randomization via Mahalanobis Distance”在《Statistica Sinica》接收发表。

在疗效比较研究中，研究人员经常寻求最佳的协变量平衡。然而，即使在随机实验中，协变量的不平衡仍然存在，并且随着协变量数量的增加而变得更加严重。为了解决这个问题，本研究引入了一种新的随机化过程，称为通过马氏距离（ARM）的自适应随机化。所提出的方法使用当前不平衡水平和输入单元协变的信息，顺序自适应地分配单元。理论结果和数值比较表明，在具有大量协变量或大量单位的情况下，所提出的方法在协变量平衡、估计精度、假设检验能力和计算时间方面比传统方法具有显著优势。所提出的方法达到了最优协变量平衡，即估计的治疗效果渐近地达到其最小方差，并且可以应用于因果推理和临床试验。最后，数值研究和实际数据分析进一步证明了该方法的优点。在CRAN中可以自由访问实现所提出方法的R包CARM。