多重插补在病例队列研究二值终点下处理有意与无意缺失数据的评价
统计方法学
2022-10-21 v1
摘要
病例队列研究在队列研究内开展，其中暴露数据收集限于队列子集，导致按设计产生高比例缺失数据。标准分析使用逆概率加权（IPW）处理该有意缺失数据，但关于同时存在无意缺失时如何最佳分析的研究甚少。多重插补（MI）已成为处理无意缺失的默认标准，但当与 IPW 联用时，插补模型需考虑加权以确保与分析模型相容。或者，MI 可用于同时处理有意与无意缺失。虽纯 MI 方法在含时间至事件结局的病例队列研究中的表现已被考察，但该方法在二值结局下表现如何尚不清楚。我们开展模拟研究，评估并比较仅 MI、仅 IPW 及 MI 与 IPW 联合方法在该设定下处理有意与无意缺失的表现。我们还将各方法应用于案例研究。结果表明，联合方法在样本量大时对暴露效应估计近似无偏，且在小样本下偏倚最小，而仅 MI 或仅 IPW 在两种样本量设定下均呈现较大偏倚。这些发现提示，MI 是病例队列研究二值结局下处理有意与无意缺失数据的优选方法。
引用
@article{arxiv.2210.11013,
title = {Evaluation of multiple imputation to address intended and unintended missing data in case-cohort studies with a binary endpoint},
author = {Melissa Middleton and Cattram Nguyen and John B. Carlin and Margarita Moreno-Betancur and Katherine J. Lee},
journal= {arXiv preprint arXiv:2210.11013},
year = {2022}
}