Como lidar com dados em falta a partir de um ensaio clínico

Video: What really happens when you mix medications? | Russ Altman

A maioria dos ensaios clínicos têm dados incompletos para uma ou mais variáveis, que pode ser uma verdadeira dor de cabeça ao analisar seus dados. Os aspectos estatísticos de dados em falta são bastante complicado, então você deve consultar um estatístico, se tiver mais do que os valores que faltam apenas ocasionais e isoladas. Aqui estão algumas abordagens comumente usado para lidar com dados em falta:

• Excluir um caso de uma análise se alguma das variáveis ​​necessárias para que a análise está faltando. Esta abordagem pode reduzir o número de casos analisáveis, por vezes, bastante graves (especialmente na regressão múltipla, onde todo o caso deve ser jogado fora, mesmo que apenas uma das variáveis ​​na regressão está ausente).

  Video: Is there scientific proof we can heal ourselves? | Lissa Rankin, MD | TEDxAmericanRiviera

  E se o resultado está faltando por um motivo que está relacionado com a eficácia do tratamento, excluindo o caso podem influenciar os resultados.

• 
  
  
  

  substituir (imputar) Um valor em falta com a média (ou mediana) de todos os valores disponíveis para essa variável. Esta abordagem é bastante comum, mas introduz vários tipos de viés em seus resultados, por isso não é uma boa técnica para usar.

• Se um de uma série de medições sequenciais sobre um sujeito está ausente (como o terceiro de uma série de valores de glicose no semanais), utilizar o valor anterior da série. Esta técnica é chamada Última observação realizada (LOCF) e é uma das estratégias mais amplamente utilizados. LOCF geralmente produz resultados “conservadores”, tornando mais difícil para comprovar a eficácia.

  Esta abordagem é popular entre os reguladores, que querem colocar o ônus da prova sobre a droga.

Métodos mais complicados também podem ser utilizados, tais como a estimativa do valor em falta de uma variável a partir da relação entre essa variável e outras variáveis ​​no conjunto de dados, ou utilizando um método analítico como medidas repetidas modelo misto- (MMRM) análise, que utiliza todos os dados disponíveis e não rejeita um caso só porque uma variável está faltando.