利用统计与数学模型的融合处理公共卫生研究中的缺失数据
应用统计
2025-10-16 v3 统计方法学
摘要
引言：通过基于协变量进行插补或加权来处理缺失数据，要求缺失变量在所有唯一协变量取值下至少部分时间被观测到。这一要求称为正定性（positivity），正定性违反可能导致偏差。这里，我们回顾了一种在收缩压背景下处理正定性违反的新型方法。方法：为说明所提出的方法，我们利用 2017–2018 年国家健康与营养检查调查（NHANES）的数据，估计美国 2–17 岁儿童和青少年的平均收缩压。由于 2–7 岁儿童未测量血压，因此设计上存在正定性违反。利用最近提出的统计与数学模型的融合方法，我们将外部信息与 NHANES 数据整合，以回答我们的研究问题。结果：使用融合模型，估计的平均收缩压为 100.5（95% 置信区间：99.9, 101.0），显著低于完全案例分析或统计模型外推的结果。融合结果得到了通过比较数学模型在正定区域性能的诊断分析的支持。讨论：正定性违反对定量医学研究构成威胁，而处理非正定性的标准方法依赖于限制性且不可检验的假设。使用像这里详述的融合模型提供了一种可行的替代方案。
引用
@article{arxiv.2503.02789,
title = {Accounting for Missing Data in Public Health Research Using a Synthesis of Statistical and Mathematical Models},
author = {Paul N Zivich and Bonnie E Shook-Sa and Stephen R Cole and Eric T Lofgren and Jessie K Edwards},
journal= {arXiv preprint arXiv:2503.02789},
year = {2025}
}