- Publication
- Mise à jour
Choisir une méthode pour les données manquantes dépasse le choix d’une option logicielle. Les motifs d’absence, les mesures antérieures et l’historique du traitement aident à évaluer si les hypothèses d’une analyse sont plausibles dans le contexte précis de l’essai.
Définir la question et les hypothèses
Examinez les profils selon le temps, le bras et le motif connu. Des données manquantes explicables par des informations observées diffèrent de données manquantes dépendant aussi d’un résultat non observé. Les données ne peuvent pas vérifier toutes les hypothèses ; les collègues cliniciens doivent comprendre dans quelles conditions l’approche statistique choisie soutient l’interprétation visée.
Exemple d’étude hypothétique
Dans une étude hypothétique, les participants qui rapportent une aggravation des symptômes manquent plus souvent le questionnaire suivant. L’équipe examine les mesures précédentes et les motifs consignés. Elle considère une dépendance possible au résultat non observé, au lieu de tenir un faible pourcentage global de données manquantes pour une garantie suffisante concernant l’estimation obtenue.
Points de contrôle de la conception
- Décrivez les données manquantes par leurs profils et leurs motifs, plutôt que par un seul pourcentage global.
- Confirmez que les variables observées étayant l’hypothèse ont réellement été recueillies de manière fiable.
- Prévoyez des analyses de sensibilité représentant des écarts pertinents par rapport à l’hypothèse principale.
Consigner la décision et ses limites
Un plan accepté relie la terminologie mathématique à des scénarios cliniques. Rapportez l’incertitude lorsque les motifs de données manquantes sont eux-mêmes incomplets ou peu fiables. L’exécution réussie du modèle ne prouve pas la justesse de ses hypothèses. Expliquez comment les conclusions changent sous des hypothèses alternatives plausibles, au lieu de choisir chaque alternative précisément pour préserver le résultat principal préféré.
Questions fréquentes
- Une faible quantité de données manquantes est-elle toujours négligeable ?
- Non. Les motifs et leur répartition entre groupes peuvent modifier son impact.
- Peut-on prouver l’hypothèse à partir du jeu de données ?
- Généralement pas entièrement ; la justification clinique et l’évaluation de sensibilité restent nécessaires.