Cox回归中缺失结果的多重插补

Question

想象一个RCT，其时间-事件结果是使用考克斯回归分析的。共有四项评估（T1=随机化前，T2=3周，T3=6周，T4=12周）。在随机审查假设下，对早期无信息的辍学做出了正确的推断（例如，T2评估后的辍学）。现在，退出研究的人有一个特殊的情况：那些在随机分组后立即退出研究（即只有T1已知）的人。如果我们在最终的Cox模型中控制基线协变量，每个参与者（也包括那些在T1后退出的参与者）都可以使用这些协变量，那么是否建议：

1. 对于完全没有结果数据的特殊情况（即，仅针对那些只有T1数据的情况），插补结果数据（事件和事件前的时间）
2. 在研究结束前输入所有缺失结果病例的结果数据（也包括T2、T3或T4缺失的病例），忽略Cox回归的固有审查机制
3. 使用完整的案例分析？

有什么建议吗？

Answer 1

您在哪里看到了插补结果数据的建议？插补用于创建占位符，以便不从分析中排除非缺失数据。插补无法恢复丢失的信息，除非有一个代理端点用于近似真实端点的罕见情况。通过认识到一些观察结果是右偏的，随机审查假设已经为您带来了最佳分析。在生存时间回归分析中，在时间零点处截尾的观察值被有效地完全忽略。

永远不要使用一个完整的案例分析来删除在时间零点之后进行审查的观察结果。

Answer 2

你想回答的问题是什么？例如，如果那些退出研究的人停止了他们的随机研究药物，而你假设治疗效果立即消失，你是否有兴趣

1. 如果他们假设没有停止治疗，会发生什么事，
2. 如果一直跟踪到研究结束（非治疗），会发生什么情况，或
3. 还有其他问题吗？

根据你的回答，你应该做什么不同。如果你想做第一件事，那么如果你愿意依靠审查（包括在时间0[=对分析没有贡献]的那些在随机后根本没有遵循的）随机性（取决于你的时间均衡模型中的模型条款，即退出不得依赖于其他因素，例如，如果你有一个没有进一步协变量的分析模型，老年患者在治疗中产生更多副作用，退出更多，但预后也较差，那么你就有问题了），你不需要明确地插补。如果你想解决这个问题，但放松假设，你可能不得不插补。如果你想做第二件事，你可能会采用一些插补方法。

有一件事我看不出有充分理由使用，那就是完整的分析（我有点假设你仍然会包括在预期的研究结束时接受行政审查的患者，因为否则你会保证所有治疗组的事件100%发生）。很难想出任何真正的问题，通过这种分析可以得到答案。