Wie mit fehlenden Daten aus einer klinischen Studie Deal
Die meisten klinischen Studien haben unvollständige Daten für eine oder mehrere Variablen, die eine echte Kopfschmerzen sein kann, wenn Sie Ihre Daten zu analysieren. Die statistischen Aspekte der fehlenden Daten sind recht kompliziert, so dass Sie ein Statistiker konsultieren sollten, wenn Sie mehr als nur gelegentliche, isoliert fehlende Werte haben. Hier sind einige häufig verwendete Ansätze mit fehlenden Daten zu bewältigen:
Ausschließen einen Fall aus einer Analyse, wenn eine der erforderlichen Variablen für die Analyse fehlt. Dieser Ansatz kann die Anzahl der auswertbaren Fälle reduzieren, manchmal ziemlich stark (vor allem in der multiplen Regression, wo der ganze Fall herausgeschleudert müssen, wenn auch nur eine der Variablen in der Regressions fehlt).
Und wenn das Ergebnis aus einem bestimmten Grund fehlt, die die Wirksamkeit der Behandlung in engem Zusammenhang steht, mit Ausnahme des Falls verzerren können Sie Ihre Ergebnisse.
Ersetzen (zuschreiben) Einen fehlenden Wert mit dem Mittelwert (oder Median) aller verfügbaren Werte für diese Variable. Dieser Ansatz ist durchaus üblich, aber es stellt verschiedene Arten von Bias in Ihre Ergebnisse, so dass es nicht eine gute Technik zu verwenden.
Wenn eine aus einer Reihe von aufeinanderfolgenden Messungen an einem Gegenstand fehlt (wie die dritte einer Reihe von Wochenglukosewerte), verwenden den vorherigen Wert in der Serie. Diese Technik nennt man Last Observation Carried Vorwärts (LOCF) und ist eines der am häufigsten verwendeten Strategien. LOCF erzeugt gewöhnlich "konservative" Ergebnisse, was es schwieriger macht Wirksamkeit zu beweisen.
Dieser Ansatz ist sehr beliebt bei Aufsichtsbehörden, die die Beweislast auf die Droge setzen wollen.
Kompliziertere Methoden auch zwischen dieser Variablen und anderen Variablen in der Datenmenge, oder unter Verwendung eines Analyseverfahrens auf der Grundlage der Beziehung, wie die Schätzung der fehlenden Wert einer Variablen verwendet werden kann, wie Mixed-Modell mit wiederholten Messungen (MMRM) Analyse, die alle verfügbaren Daten verwendet und lehnen keinen Fall, nur weil eine Variable fehlt.