临床预测模型制备各阶段缺失数据处理方法的兼容性
统计方法学
2026-02-04 v3
摘要
在开发、验证和部署临床预测模型（CPMs）时，都会遇到缺失数据问题。传统上，关于在CPMs开发和验证期间处理缺失数据的决定，没有考虑在部署时是否允许存在缺失数据。我们假设，在部署时应优化模型性能的模型开发期间所使用的缺失数据方法，同时应在部署时获得无偏预测性能估计的验证期间所使用的方法；我们称之为兼容性。我们旨在确定在CPMs生命周期中哪些缺失数据处理方法的组合是兼容的。我们考虑了CPMs intended to be deployed with missing data allowed or not的情形，并评估了该选择对早期建模决策的影响。通过模拟研究和对胸部手术数据的实证分析，我们比较了使用完全案例分析、均值插值、单回归插值、多重插值和模式子模型的CPMs。若计划在不允许缺失数据的情况下部署CPMs，则在需要时应使用多重插值进行开发和验证。在允许部署时存在缺失数据的情形下，开发和验证期间必须使用相同的插值方法。常用的缺失数据处理方法的组合会导致预测性能估计偏差。
引用
@article{arxiv.2504.06799,
title = {Compatibility of Missing Data Handling Methods across the Stages of Producing Clinical Prediction Models},
author = {Antonia Tsvetanova and Matthew Sperrin and David A. Jenkins and Niels Peek and Iain Buchan and Stephanie Hyland and Marcus Taylor and Angela Wood and Richard D. Riley and Glen P. Martin},
journal= {arXiv preprint arXiv:2504.06799},
year = {2026}
}
备注
40 pages, 6 figures (6 supplementary figures)