Molenberghs G.和Kenward M.G.临床研究中缺失的数据。

本书是总标题“实践中的统计”下的系列丛书的一部分。该系列文章详细介绍了统计理论和实践的具体方面的统计概念、方法和工作案例研究。

数据丢失是大多数研究人员不时面临的噩梦。随着研究设计变得越来越复杂，而且往往是多中心的，数据缺失的问题变得越来越普遍。在前瞻性收集信息的研究中，保持对数据缺失问题的控制更容易，而在从患者记录中获得信息时，则更困难。根据经验，当超过20%的预期信息缺失时，结果就不是很有意义了。然后，研究人员面临许多困境。对于那些可能经历了痛苦的样本提供程序的参与者，有道德承诺。研究发起人的财务责任也存在问题。此外，当对研究问题给出真实的科学答案时，道德责任也会受到损害。

几十年来，统计学家一直在解决数据缺失的问题，并制定了经得起统计理论审查的解决方案。解决方案包括从分析中排除那些有缺失观察值的受试者（完整的案例分析），从具有缺失值的研究变量中删除，或用一些值替换缺失数据，例如所有其他受试者的平均值（简单插补）和时间序列中的上次结转观察值（LOCF）。在统计理论引领的领域，软件开发人员也紧随其后。随着SAS、Stata、S-Plus和SPSS等功能强大的软件的可用性，处理缺失数据的更复杂技术，如直接似然和贝叶斯分析，多重插补、期望最大化算法和加权估计方程已经成为可能。

作者以几个临床试验的形式给出了关键实例，并使用适当的补救技术进行了分析。他们喜欢的软件是SAS，但遗憾的是，该软件并不普遍可用。使用统计方程解释所用技术的基本原理。为了充分理解所提供的细节，除了统计理论外，还需要具备数学符号和矩阵代数的良好知识。统计学家将欢迎这本书，因为它为他们的日常问题之一提供了解决方案。就临床医生而言，有一条金科玉律需要遵循，即确保尽一切努力避免遗漏数值。