在临床研究中，混杂因素(confounders)的控制是至关重要的一步。在条件允许的情况下，随机分配则是首选的方法。

关于随机分配方法的优势，我们曾多次介绍。简单来说，其过程不受任何“人为”因素影响，而仅仅基于“Chance”，因此能够使基线时潜在混杂因素在各个组之间相似，真正实现各组间均衡、可比。相比通过分层分析、回归、标准化等统计学方法控制混杂因素，通过随机分组控制混杂因素更加简单、有效。

作为RCT最重要的步骤之一，若随机分组过程失败，便可能会产生RCT中最大的偏倚。无论是随机化过程失败、或是分配隐藏失败，都可能有意或无意地选择特定类型的受试者接受某种特定的治疗，而使治疗结果的比较发生偏差，导致选择偏倚(selection bias)的产生。

在对一篇RCT文章进行质量评价时，人们通常会通过文章中“随机分组”过程的描述来判断是否存在偏倚。然而，Sally Hopewell等人的研究发现，仅有34%的研究恰当地描述了随机分配序列的产生方法。在中文文献中，这种情况更为普遍。

之前的文章中，小伙伴们已经对几种常见的随机分组过程中的错误进行过介绍。然而，小咖想说的是，即使随机分组过程非常完美，但是你没有在文章中写出来，读者还是会认为你可能存在种种缺陷。

我们该如何描述随机分组？——CONSORT的要求

在CONSORT声明(2010)中，其对于随机对照试验中的“随机化”的报告要求如下：

对于随机分配序列的产生，只要合理实施，很多序列的生成方法都满足“随机”的要求，例如我们曾讲过的简单随机化和限制性随机化（包括区组随机化、分层随机化、适应性随机化等）。我们应提供充足的信息，让读者能够评价生成随机分配序列的方法、以及分组过程中产生偏倚的可能性。（详细阅读：你应该了解的4种随机分组方法）