研究说了什么
分配隐藏指随机序列产生之后、受试者正式入组之前，把分组结果遮住的那套流程。它与序列生成是两件事：前者靠计算机或随机数字表，后者决定谁能在入组前看到答案。一九九五年《美国医学会杂志》刊出的元研究纳入二百五十项对照试验，按分配隐藏是否充分分层，结果发现隐藏不充分或描述不清的试验，其效应量比隐藏充分者高出约四成，比值比为 0.59。作者在模型中控制了双盲、随访完整度、样本量与发表年份，差距依然存在。失败方式往往很具体：信封用普通纸，对着灯光能读出内页卡片；信封按顺序编号却放在护士站抽屉里，夜班人员提前拆开；用病历号、出生日期或入组日期的奇偶来分组，研究者掐指一算就知道下一例归哪边。可靠做法是中央电话或网络随机、药房按方配药、编号不透光信封并按序使用，且留下可稽查的使用记录。二〇〇〇年后的大型试验普遍改用交互式网络应答系统，分配在点击确认的瞬间才生成，研究者手里没有任何可提前读取的凭据。二〇〇一年发表的一项审计把某研究中心的随机信封逐一检查，发现其中相当一部分能被手指摸出卡片轮廓，另有几份的封口已被重新粘过。这类细节很少出现在论文的方法部分，却足以让随机化的意义落空。
为什么重要
抗衰领域的干预大多是运动、饮食、补剂或行为课程，结局又常带主观成分，这类试验最难靠双盲补救，分配隐藏就成了唯一能守住的关口。假如研究者知道下一例将被分到运动组，他可能不自觉地把依从性更好、行动更方便、住得更近的人留到那一边；也可能把病情更重的人排到对照侧，以免拖累干预组的完成率。两种做法都会让两组的基线不再可比，而基线差异在分析阶段几乎无法修复。更隐蔽的后果是效应量膨胀：一个真实只有百分之十相对获益的干预，若被放大到百分之二十，下一项试验按此估算样本量，就会把几百人写成上千人，浪费的是公共研究资源。报告规范把分配隐藏列为独立条目，审稿人看的是序列如何产生、分配如何执行、谁有权拆封，而不是只看文中是否出现随机二字。读到一项阳性结果时，如果方法部分对隐藏只字未提，或只写随机分组，对其效应量的信任就应下调一档。监管审评时，分配隐藏做得好不好，还会影响对多中心试验中心间差异的解释：若各中心自行拆封，中心效应就可能混进干预效应。更实际的一点是，后续研究的样本量往往按前一项试验的效应量反推，隐藏失败带来的膨胀会让整个领域反复落空。
证据与边界
上述元研究属于观察性比较，它比较的是已发表试验的方法学描述与结果，无法排除这样一个可能：做得粗糙的试验，在其他环节也同样粗糙，放大的效应并非全部来自隐藏失败。后续多项重复分析给出方向一致但幅度不等的估计，放大幅度从一成到四成都有报告，说明具体数字不宜直接套用。另一方面，现代中央随机系统已把人为操作空间压得很小，真正的风险转移到技术细节：区组长度设得过短，比如固定为二或四，末尾几例的分组便可由已入组情况反推；分层因素设得过多，某些层内只剩一种分配，等于公开；开放性试验中，药品外观或访视安排也可能泄露分组。对策并不复杂，随机区组长度、动态最小化法、独立统计团队保管分配表，都能堵住大部分缺口。对读者的实用建议是，把分配隐藏当作一条硬指标：描述含糊的试验不必直接否定，但在与设计更严谨的同类试验结论冲突时，应优先相信后者。另一个可操作的办法是把随机表交给不参与入组的第三方保管，入组人员在电话里报出编号后才能拿到分组。这些安排看似繁琐，成本却远低于一项试验被推翻后重做的代价。对系统综述而言，分配隐藏是否充分也是偏倚风险评估中的常规条目，权重不低，读者不妨顺着这条线索去核对原始描述。