我如何在R中执行受约束的随机化，以自定义数量的研究因素嵌套？

简而言之：我希望在给定任意数量的因子的情况下，以嵌套方式实现样本的随机化

背景 在几种类型的生化分析中，由于仪器漂移或样品降解等原因，反应存在系统偏差。因此需要将分析序列顺序随机化。然而，我们也希望将来自同一个人的样本保持在一起，例如，处理紧密，以尽量减少这些样本之间的漂移。因此，我们可以采用约束随机化：

我们首先在个体之间随机分组

对于每个个体，我们在治疗之间进行随机分组

对于每种治疗，我们将不同的时间点随机分组

三因素情况下的一些伪代码：

constRandom <- function(metadata, factors) {
 for (i in factors[1]) {
    sample(factors[j]) # random order of the 2nd factor within the 1st factor
    for (j in factors[2]) {
      sample(factor[3]) # random order of the 3rd factor within the 2nd factor
    }
 }
}

constRand3 <- function(metadata, factors) {
 newMeta <- metadata # set up df for constrained randomized data
 uniq1 <- unique(metadata[, factors[1]]) %>% sample() # extract random order of 1st factor
 n1 <- length(uniq1) # Number of levels in 1st factor
 nSamp <- 0 # Index of where in newMeta to put in random samples
 # Loop thru randomized levels of 1st factor
 for (i in 1: n1) {
    level1 <- uniq1[i]
    meta1 <- metadata[metadata[,factors[1]]==level1,] # extract samples at the ith level of factor 1
    uniq2 <- unique(meta1[,factors[2]]) %>% sample() # extract random order of 2nd factor within 1st factor
    n2 <- length(uniq2)
    # Loop thru randomized levels of 2nd factor
    for (j in 1:n2) {
      level2 <- uniq2[j]
      meta2 <- meta1[meta1[,factors[2]]==level2,] # extract samples at the jth level of factor 2
      uniq3 <- unique(meta2[,factors[3]]) %>% sample() # extract random order of 2nd factor within 1st factor
      newMeta[(nSamp+1):(nSamp+nrow(meta2)),] <- meta2[match(meta2[,factors[3]], uniq3) %>% order(),]
      nSamp <- nSamp+nrow(meta2)
    }
 }
 return(newMeta)
}

仅在样本水平上执行完全随机化。或：

constRand(df, 2:3)

在个体和治疗之间随机化，但保持时间点顺序不变。或：

constRand(otherDF, c(4,2,5,7))

按四个因素按特定顺序随机分组（我希望你能原谅最后一个不是可重复的例子）

---

但我不知道如何构造递归循环或拆分以适应用户定义的大量因素。使用for-loop方法，我不知道如何嵌套动态数量的级别。也许是使用eval/do.call或tidyverse进行拆分？

您的目标是将每个因素组合随机分配给一个个体吗？例如，在两个因素的情况下，第一个是个体，第二个是治疗，我想分别为每个个体随机分配治疗顺序，以避免因顺序而产生的偏差。

constRand(df, 2:3)

constRand(otherDF, c(4,2,5,7))