已分组受试者交叉设计的等组随机化实现（R语言）

问题核心 #

你需要给每组20名受试者分配剩余3组的所有全排列，且每种排列的人数尽可能均等（20不能被6整除，所以部分排列多1人），而不是单个随机选组——原代码的问题在于只随机选单次试验的组，没法保证完整排列的均衡性。

实现思路 #

1. 对每个初始组，生成剩余3组的所有6种全排列；
2. 计算每种排列的重复次数，凑够20名受试者（20=6×3+2，所以2种排列各4人，4种各3人）；
3. 随机打乱排列后分配给该组受试者；
4. 合并所有组的结果。

完整代码 #

# 安装并加载生成排列的gtools包
if (!require(gtools)) {
  install.packages("gtools")
  library(gtools)
}

# 按初始分组拆分数据
group_list <- split(crossover, crossover$Assigned.Arm.Index)

# 逐个处理每个初始组
for (arm in names(group_list)) {
  current_group <- group_list[[arm]]
  n_subjects <- nrow(current_group)
  
  # 获取当前组之外的所有试验组
  remaining_arms <- setdiff(1:4, as.integer(arm))
  
  # 生成剩余组的所有全排列（共6种）
  permutations_df <- as.data.frame(permutations(n=3, r=3, v=remaining_arms))
  colnames(permutations_df) <- c("Trial_2", "Trial_3", "Trial_4")
  
  # 计算每种排列的重复次数：基础次数+余数补充
  base_count <- n_subjects %/% 6
  extra_count <- n_subjects %% 6
  
  # 生成重复后的排列：前extra_count种多1次
  repeated_perms <- rbind(
    permutations_df[rep(1:extra_count, each=base_count+1), ],
    permutations_df[rep((extra_count+1):6, each=base_count), ]
  )
  
  # 随机打乱排列，保证分配随机
  repeated_perms <- repeated_perms[sample(nrow(repeated_perms)), ]
  
  # 把排列赋值给当前组的后续试验列
  current_group[, c("Trial_2", "Trial_3", "Trial_4")] <- repeated_perms
  
  # 更新分组数据
  group_list[[arm]] <- current_group
}

# 合并所有组回到原数据框
crossover <- do.call(rbind, group_list)
rownames(crossover) <- NULL

代码解释 #

• permutations(3,3, remaining_arms)：生成剩余3组的所有6种排列，比如初始组1的话，就是2、3、4的所有顺序组合；
• 重复次数计算：20除以6得3次基础重复，余2，所以前2种排列各多1次（共4次），刚好凑够20人；
• sample(nrow(repeated_perms))：打乱排列顺序，避免固定顺序分配的偏差；
• 拆分-处理-合并的逻辑：保证每个初始组独立处理，不互相干扰。

关于你提到的sample(rep(1:6,4), replace=FALSE) #

这个代码的逻辑是把6种排列编号（1-6）每种重复4次，总共24个样本，再随机打乱——适合每组24人的情况，但你的每组是20人，所以需要调整重复次数（就是上面代码里的base_count和extra_count逻辑），直接用的话会多4个样本，不符合你的需求。

内容的提问来源于stack exchange，提问作者Elizabeth