临床研究中缺失值的类型和处理方法研究

唐健元 杨志敏 杨进波 黄 钦 吴春芳 冯 毅

临床研究中缺失值的类型和处理方法研究

唐健元1杨志敏1杨进波1黄 钦1吴春芳2冯 毅3

1.国家食品药品监督管理局药品审评中心(100038)

2.第二军医大学卫生统计学教研室(200433)

△通讯作者：冯毅，E-mail：fengy@cde.org.cn

临床研究过程中的一些缺失值，可能导致新药评价过程中的偏倚和降低评估的精确性和损耗随机化的效果，以至于做出偏倚性结论。由于脱落数据很可能是一些极端值(如因治疗无效而未再回访)，缺失的这部分研究数据会导致低估结果的变异性，从而得到一个“人为狭窄”的治疗效应〔1〕。

目前，国内新药研发在缺失值结转方面普遍采用的是末次访视结转(last observation carried forward，LOCF)方法，并未根据缺失类型采用有针对性的缺失值处理方法，更有甚者还将很多本不该剔除的缺失病例直接剔除出统计分析集。由于在缺失值问题上的简单化处理或错误处理，研究者无法借助于敏感性分析去充分评估研究结果的稳健性和研究质量的好坏。基于对缺失现象背后的真实数据的考虑，强调对缺失值的分析则显得更有意义。本文拟探讨不同缺失机制下，几种常见的缺失类型及相应的缺失填补方法，以促进临床研究的发展。

缺失类型

Little 和 Rubin〔2，3〕提出了缺失数据的分类方法，根据其理论，缺失机制可分为以下三类情况：

1.完全随机缺失(missing completely at random，MCAR)

完全随机缺失指的是观察对象的数据缺失完全是由随机因素造成的，独立于已完成的和将来要进行评价的结果，既不取决于已观察到的数据也不取决于未被观察到的数据。……