解读 ICU 中的缺失数据模式

目的：临床检查是基于必要性进行的。然而，我们进行调查和记录的决定受到工作量、先入之见等多种其他因素的影响。数据的缺失模式可能包含对临床实践中显性与隐性规范的洞察。方法：我们考察来自 SPOTLIGHT 研究的数据，这是一项关于 ICU 及时入院对死亡率影响的多中心队列研究。我们识别缺失值并生成一个指示缺失条目的辅助数据集。我们采用稀疏高斯图模型技术来识别观测数据与缺失模式之间的条件依赖关系。我们用稀疏偏相关量化这些关联，并对多重共线性进行校正。结果：我们识别出 35 个显著影响数据缺失模式的变量（alpha = 0.01）。我们发现，在意识障碍患者中，体温（偏相关 = -0.0542，p = 6.65e-10）、呼吸频率（偏相关 = -0.0437，p = 5.15e-07）和尿素（偏相关 = -0.0263，p = 0.001611）等基本监测的记录减少。我们证明了由于冬季医疗压力导致体温（偏相关 = -0.04，p = 8.5e-06）、尿量（偏相关 = -0.05，p = 7.5e-09）、乳酸（偏相关 = -0.03，p = 0.00032）和胆红素（偏相关 = -0.03，p = 0.00137）监测的减少。我们提供了 FiO2 和 SF 比值记录中存在非随机缺失（Missing Not at Random）模式的统计证据。结论：图缺失分析为重症监护的开展提供了有价值的洞察，确定了用于质量改进的具体领域。