首先，一個隨機對照試驗的關鍵在于其隨機化方法的正確選擇與實施，目前可以選擇的隨機化方法，從實施機構來說，分為中央隨機化或分中心隨機化；從實施對象的分組分為分層隨機化、區組隨機化等；從是否有可能改變納入患者的分組情況可分為固定隨機化或動態隨機化。以下我們逐步來解釋中央分層區組隨機及其臨床流行病學方面的考慮。
中央隨機化
當一個隨機對照試驗有多個分中心的時候，我們可以選擇是讓一個“中央”統一實現隨機化或讓不同的分中心實施隨機化。筆者認為如果讓不同分中心實施隨機化有可能有以下幾個問題：1：即使是三期臨床試驗，樣本量一般也就在百例水平，如果分到各個分中心，每個分中心的樣本量太少，再進行隨機化的時候容易產生極大的不均衡性；2：不同分中心的樣本量分配具有一定的主觀性，如根據不同分中心年收治患者數量或病床數量，這很可能會引入選擇偏倚及影響統計學效能；3：由于不同分中心的在連續入組時其可能不同步，如果不采用中央隨機化及競爭入組的方法納入患者，可能會出現某些分中心已入組解釋，而另一個分中心還沒有納夠的情況，這種情況無論是改變原方案重新分配患者或繼續等待都是不合適。
因此，筆者認為如果有多個分中心的時候，研究者應該進行中央隨機化，并競爭入組，既由統一的“隨機化中心”進行隨機化并在患者通過篩選后進行隨機后入組。
分層隨機化
為了保證不同分組的患者在重要基線特征上具有可比性，因此我們需要對患者進行分層隨機化，這在筆者以前的文章中曾經給予過說明。按照既往臨床流行病學習慣，這類情況下就是按照不同的分層因素及每個因素的不同的水平對患者進行亞組分類，然后在每個亞組里進行簡單隨機化。如我們考慮一種新治療方式是否有效，然后性別進行分層，既在分別在男性及女性患者中進行簡單隨機化，男性中及女性中均按照1:1比例把患者分為新治療組及對照組。
區組隨機化及隨機區組
分層隨機化雖然可以保證不同納入患者在重要的基線特征的平衡，但是其在每個亞組內如果進行簡單隨機化，有可能導致治療組及對照組發生極大的不均衡性，如下圖所示
有可能會出現此類情況，雖然進行了隨機化，但是因為樣本量過少，治療因素的分配非常的不均衡，這很有可能影響我們得最終結論，根據計算，在總樣本量不變的情況，只有在1:1入組的時候才能獲得最大的統計學效能（或者說獲得最大的把握度），因此，為了解決這一問題，我們引入區組隨機化，比如我們設定設定一個區組大小為4的區組并強制要求其中必須有2個治療組及2個對著組，然后這40例患者分為10個區組，這樣就可以保證分配的均衡性。
上述的固定區組雖然好，但也會產生問題。固定區組后每個區間的最后1-2個患者的分組情況事先猜測出來了，這可能會產生選擇或信息偏倚，因此，我們引入了隨機區組大小的區組隨機化，這時候的區組就不固定了，比如可以隨機設定為4,6,8,10等數字，由軟件統一實現，這樣所有患者的隨機結果就無法知道。
隨機盲法設置的原因及實現途徑
隨機化的根本目的是為到達非試驗因素的組件均衡性，這種均衡性不僅僅體現在患者基線信息表中我們納入的混雜因素或者說協變量上，更重要的是其可以平衡未測量混雜因素并使其達到均衡。隨著真是世界研究方法學的進步，生物信息學的發展及大數據的應用，重要混雜因素的調整方法及結論穩健性評估的方法不斷涌現，但是其始終無法調整這種未測量混雜因素，筆者認為這是目前任何試驗無法替代RCT試驗的重要原因。為了實現這種均衡性，隨機化的方法尤為重要，有些臨床試驗雖然無法在治療或非治療的方式對醫師、患者或者第三方監理方實現盲法，但是隨機化的盲法是易于實現且有益的。如果事先就知道所有序位患者的分組情況，無疑在患者入組時會產生選擇偏倚。
為此，需要獨立的第三方“獨立數據委員會”進行中央隨機化，并根據重要的預后因素進行分層區組隨機化，區組大小不固定。
