說到隱匿 (concealment) 的專家應該就是在天國的Steve了 (左圖)...

當他在記者會中拿出這個不透光，密封的信封時，沒有人知道裡面裝的是最新的macbook筆記型電腦...

分派隱匿 (allocation concealment) 被許多專家認為是隨機分派研究中重要的一個環節，因此各種大大小小的評讀工具中，幾乎都會有這一項 (有志一同)...

但，到底什麼是分派隱匿呢?

分派隱匿可以降低哪些偏誤 (bias) 呢? 事實上，這個動作的目的在於降低分派偏誤 (allocation bias) 以及 選擇性偏誤 (selection bias)...

隨機分派 (randomization) 的目的在於讓組與組之間的基本特徵相近，目的是要控制可能的影響因子 (confounding factor)...

附註: 要冠上影響因子 (confounding factor) 這幾個字必須符合幾項原則，(1) 該因子與結果 (outcome) 及暴露 (exposure) 有關 (2) 該因子不可以是暴露的結果 (玄)

為什麼分派隱匿可以減少上述兩個偏誤? 原因是:

(1) 受試者被分派前，沒有人知道分派結果，因此降低選擇性偏誤

(2) 受試者被分派前，沒有人知道分派法則，因此降低分派偏誤

因此，要達到這兩個目標，您的分派法則 (亂數表，抽卡片等等) 都應該隱匿；分派結果 (無法判斷之編號或代號) 也應該隱匿...

我們最常遇到的問題是，分派隱匿 與 維持盲性 (blinding) 分不清楚 [真的!!]

區分的方法是:

(1) 分派隱匿保護的是隨機分派前的分派順序 (allocation sequence)，容易達到

(2) 維持盲性保護的是隨機分派後的分派順序，目的是降低偵測誤差 (ascertainment bias 或稱 detection bias)，但不容易達到

希望這樣有清楚一點喔~