Como lidar com dados ausentes de um ensaio clínico

A maioria dos ensaios clínicos têm dados incompletos para uma ou mais variáveis, que pode ser uma verdadeira dor de cabeça ao analisar seus dados. Os aspectos estatísticos de dados em falta são bastante complicado, então você deve consultar um estatístico, se tiver mais do que os valores que faltam apenas ocasionais e isoladas. Aqui estão algumas abordagens comumente usado para lidar com dados em falta:

• Excluir um caso de uma análise se alguma das variáveis ​​necessárias para que a análise está em falta. Esta abordagem pode reduzir o número de casos analisáveis, por vezes muito graves (especialmente na regressão múltipla, onde todo o caso deve ser jogado fora, mesmo que apenas uma das variáveis ​​na regressão está ausente).

  E se o resultado está ausente por uma razão que está relacionado com a eficácia do tratamento, excluindo o caso pode enviesar os resultados.

• substituir (imputar) Um valor em falta com a média (ou mediana) de todos os valores disponíveis para essa variável. Esta abordagem é bastante comum, mas introduz vários tipos de viés em seus resultados, por isso não é uma boa técnica para usar.

• Se um de uma série de medições sequenciais em um sujeito está ausente (como o terceiro de uma série de valores semanais de glucose), utilize o valor anterior da série. Esta técnica é denominada Última observação realizada (LOCF) e é uma das estratégias mais amplamente utilizados. LOCF geralmente produz resultados "conservadores", tornando-se mais difícil provar a eficácia.

  Esta abordagem é popular com os reguladores, que querem colocar o ónus da prova sobre a droga.

métodos mais complicados também podem ser utilizados, tais como estimativa do valor em falta de uma variável com base na relação entre essa variável e outras variáveis ​​do conjunto de dados, ou utilizando um método analítico como medidas mixed-modelo repetidas (MMRM) análise, que utiliza todos os dados disponíveis e não rejeita um caso só porque uma variável está em falta.