Co to jest kontaminacja między grupami?
Kontaminacja między grupami (ang. contamination, treatment contamination) to sytuacja, w której osoby z grupy kontrolnej otrzymują część badanej interwencji, choć według przydziału nie powinny. Torgerson (2001) podaje przykład badania diety: uczestnicy z grupy kontrolnej dowiadują się o nowym sposobie żywienia i sami go stosują. Źródłem bywają rozmowy uczestników, wspólne sale, ten sam personel albo materiały przekazywane dalej.
Skutki
Kontaminacja zbliża wyniki grup, więc efekt w analizie ITT jest mniejszy od rzeczywistego. Spada moc testu i rośnie ryzyko odrzucenia skutecznej interwencji jako nieskutecznej (Torgerson, 2001). W przykładzie z R przy prawdziwym d = 0.40 i 30% skażonej grupy kontrolnej widoczny efekt spada do 0.28. Zamiast 100 osób na grupę potrzeba wtedy 202, a przy 100 osobach moc spada z .80 do około .48.
Uzasadnienie randomizacji klastrowej
Najczęstszą obroną przed kontaminacją jest losowanie całych jednostek – szkół, oddziałów, przychodni – czyli randomizacja klastrowa. W opisie metody podaj to jako powód wyboru schematu. Rozwiązanie ma jednak koszty: efekt schematu wymaga większej próby, a rekrutacja po losowaniu klastrów grozi błędem selekcji. Torgerson (2001) wylicza, że pod względem łącznej liczebności próby badanie klastrowe jest wydajniejsze dopiero przy kontaminacji powyżej 30%, a mniejszą kontaminację często lepiej zrównoważyć większą próbą przy losowaniu osób. Keogh-Brown i in. (2007) pokazali w symulacjach, że badania klastrowe mogą dawać obciążenie podobne lub większe niż losowanie osób, więc nie należy ich traktować jako automatycznego rozwiązania.
Co jeszcze pomaga
- Oddzielenie grup w czasie, miejscu lub personelem prowadzącym.
- Pomiar kontaminacji: pytanie grupy kontrolnej o kontakt z materiałami interwencji.
- Gdy kontaminacja jest zmierzona – analiza CACE (efekt u osób stosujących się do przydziału) obok ITT (Keogh-Brown i in., 2007).
Kontaminację odróżnij od efektu Johna Henry’ego, w którym kontrola nie przejmuje interwencji, lecz bardziej się stara. Ryzyko rośnie też przy liście oczekujących, gdy czekający szukają podobnej pomocy.
Jak opisać w pracy
Kontaminacja w R
Kod pokazuje, jak odsetek skażonej grupy kontrolnej zmniejsza widoczny efekt i zwiększa potrzebną liczebność próby (power.t.test(), α = .05, moc .80), a w symulacji – jak spada moc przy 100 osobach na grupę.
Rozmycie efektu i moc testu
R
# Kontaminacja: część grupy kontrolnej przejmuje interwencję (d = 0.40 u osób, które ją dostały)
d <- 0.40
c_kont <- c(0, 0.10, 0.20, 0.30) # odsetek "skażonej" grupy kontrolnej
d_obs <- (1 - c_kont) * d # efekt widoczny w analizie ITT
n_grupa <- sapply(d_obs, function(x)
ceiling(power.t.test(delta = x, sd = 1, power = 0.80)$n))
print(data.frame(kontaminacja = c_kont, d_obserwowane = d_obs, n_na_grupe = n_grupa))
# symulacja: 100 osób na grupę, 30% kontaminacji, 2000 badań
set.seed(52301)
pwart <- replicate(2000, {
y_int <- rnorm(100, mean = d)
y_kon <- rnorm(100, mean = ifelse(runif(100) < 0.30, d, 0))
t.test(y_int, y_kon)$p.value
})
round(c(moc_przy_30proc = mean(pwart < 0.05),
moc_bez_kontaminacji = power.t.test(n = 100, delta = d)$power), 3)Wynik w R
kontaminacja d_obserwowane n_na_grupe
1 0.0 0.40 100
2 0.1 0.36 123
3 0.2 0.32 155
4 0.3 0.28 202
moc_przy_30proc moc_bez_kontaminacji
0.481 0.804Bibliografia oprogramowania
Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (bez dodatkowych pakietów). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).
- R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
Najczęstsze pytania
Czy kontaminacja zawyża czy zaniża efekt interwencji?
Zaniża. Część grupy kontrolnej korzysta z interwencji, więc wyniki grup się zbliżają. W analizie ITT efekt jest mniejszy od rzeczywistego, a moc testu spada.
Kiedy kontaminacja uzasadnia randomizację klastrową?
Gdy uczestnicy z obu grup mieliby stały kontakt, np. w jednej klasie lub na jednym oddziale, i nie da się ich oddzielić. Przy niewielkiej kontaminacji często wystarczy losowanie osób z większą próbą.
Jak zmierzyć kontaminację w badaniu?
Zapytaj osoby z grupy kontrolnej o kontakt z materiałami lub elementami interwencji i rejestruj, kto z personelu pracował z którą grupą. Odsetek skażonych osób podaj w raporcie.
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Randomizacja klastrowa – plan i analiza
ICC z przedziałem ufności, efekt schematu przy nierównych oddziałach, cztery analizy tych samych danych, poprawki df i raport CONSORT – z kodem R.
Czytaj →PoradnikSTROBE, CONSORT i TRIPOD – która lista
Jak dobrać listę raportowania do schematu badania, wypełnić ją z numerami stron i obsłużyć punkty „nie dotyczy” – z tabelą i schematem wyboru.
Czytaj →Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Wyceń analizęOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- Keogh-Brown, M., Bachmann, M., Shepstone, L., Hewitt, C., Howe, A., Ramsay, C., Song, F., Miles, J., Torgerson, D., Miles, S., Elbourne, D., Harvey, I., & Campbell, M. (2007). Contamination in trials of educational interventions. Health Technology Assessment, 11(43). https://doi.org/10.3310/hta11430 ● Otwarty dostęp
- Torgerson, D. J. (2001). Contamination in trials: Is cluster randomisation the answer? BMJ, 322(7282), 355–357. https://doi.org/10.1136/bmj.322.7282.355 ● Otwarty dostęp
Cytowania BibTeX
@article{keoghbrown2007contamination, author={Keogh-Brown, M. and Bachmann, M. and Shepstone, L. and Hewitt, C. and Howe, A. and Ramsay, C. and Song, F. and Miles, J. and Torgerson, D. and Miles, S. and Elbourne, D. and Harvey, I. and Campbell, M.}, title={{Contamination in trials of educational interventions}}, journal={Health Technology Assessment}, year={2007}, volume={11}, number={43}, doi={10.3310/hta11430}}@article{torgerson2001contamination, author={Torgerson, David J.}, title={{Contamination in trials: Is cluster randomisation the answer?}}, journal={BMJ}, year={2001}, volume={322}, number={7282}, pages={355--357}, doi={10.1136/bmj.322.7282.355}}