- Publicación
- Actualización
Seleccionar un método para datos ausentes es algo más que elegir una opción del programa. Los motivos de la ausencia, las mediciones previas y el historial de tratamiento ayudan a evaluar si los supuestos de un análisis son plausibles en el contexto concreto del ensayo.
Definir la pregunta y los supuestos
Examine los patrones por momento, grupo y motivo conocido. Una ausencia explicable por información observada difiere de otra que depende también de un resultado no observado. Los datos no pueden verificar todos los supuestos; los colegas clínicos deben entender las condiciones en las que el enfoque estadístico elegido respalda la interpretación prevista.
Ejemplo de estudio hipotético
En un estudio hipotético, los participantes que comunican un empeoramiento de los síntomas omiten con más frecuencia el cuestionario siguiente. El equipo revisa las mediciones anteriores y los motivos registrados. Considera una posible dependencia del resultado no observado, en vez de tratar un porcentaje global bajo de datos ausentes como una garantía suficiente sobre la estimación resultante.
Comprobaciones para la revisión del diseño
- Describa la ausencia de datos mediante patrones y motivos, en vez de un único porcentaje global.
- Confirme que las variables observadas que respaldan el supuesto se recogieron realmente de forma fiable.
- Planifique evaluaciones de sensibilidad que representen desviaciones relevantes respecto al supuesto principal.
Registrar la decisión y sus límites
Un plan aceptado relaciona la terminología matemática con escenarios clínicos. Comunique la incertidumbre cuando los propios motivos de ausencia de datos sean incompletos o poco fiables. Que el modelo se ejecute correctamente no demuestra que sus supuestos sean correctos. Explique cómo cambian las conclusiones bajo alternativas plausibles, en vez de elegir todas las alternativas específicamente para conservar el hallazgo principal preferido.
Preguntas frecuentes
- ¿Es siempre poco importante una pequeña cantidad de datos ausentes?
- No. Los motivos y la distribución entre grupos pueden cambiar su impacto.
- ¿Puede demostrarse el supuesto a partir del conjunto de datos?
- Habitualmente no por completo; siguen siendo necesarias la justificación clínica y la evaluación de sensibilidad.