- 发布
- 更新
选择缺失数据方法，不只是选择一个软件选项。缺失原因、既往测量和治疗经历，有助于评估分析所依据的假设，在特定试验情境中是否合理。
明确问题与假设
按时间、组别和已知原因检查缺失模式。可由已观察信息解释的缺失，与还依赖未观察结局的缺失不同。数据不能验证所有假设；临床同事应了解，所选统计方法在什么条件下才能支持其预期解释。
假设性研究示例
在一项假设研究中，报告症状恶化的受试者更常漏填下一次问卷。团队审查较早的测量和记录的原因，考虑缺失对未观察结局的潜在依赖，而不是认为总体缺失比例较低，就足以对所得估计值感到放心。
设计审查核查要点
- 通过模式和原因描述缺失情况，而不是只提供一个总体百分比。
- 确认支持该假设的已观察变量确实得到了可靠收集。
- 规划能体现对主要假设有实质性偏离的敏感性评估。
记录决策及其局限
经认可的计划应将数学术语与临床情景联系起来。若缺失原因本身不完整或不可靠，应报告相关不确定性。模型成功运行不证明其假设正确。应解释结论在合理替代假设下如何变化，而不是专门选择每个替代假设来维持偏好的主要发现。
常见问题
- 少量缺失数据一定不重要吗？
- 不是。原因及其在组间的分布可能改变其影响。
- 能从数据集中证明假设吗？
- 通常无法完全证明；临床依据和敏感性评估仍然必要。