在骨科临床结果中缺少数据研究:使用大型多中心全肩关节整形数据库对推算技术的灵敏度分析
Kevin A Hao1, Terrie Vasilopoulos1,2, Josie Elwell3
1Department of Orthopaedic Surgery & Sports Medicine, University of Florida, Gainesville, FL 32611, USA.
Journal of clinical medicine
|June 13, 2025
概括
完整病例分析 (CCA) 可以在临床研究中引入偏见并降低功率. 推算方法,特别是kNN和MICE-PMM,可靠地复制缺失的数据并产生准确的估计,优于CCA.
科学领域:
- 生物统计学 生物统计学
- 临床研究方法论 临床研究方法论
- 数据科学数据科学数据科学
背景情况:
- 完整病例分析 (CCA) 是处理临床结果研究中缺少数据的常用方法,但它可以引入选择偏差并降低统计能力.
- 更严格的统计方法,如单项和多重归算,可以近似完整的数据集,并保持研究功率.
- 了解不同缺失数据处理方法对统计结果的影响对于准确的临床研究至关重要.
研究的目的:
- 评估在使用完整病例分析 (CCA) 与用于处理临床结果中缺少数据的各种归算方法时统计结果的差异.
- 评估归算技术在与完整数据集相比再现准确的人口估计的性能.
主要方法:
- 使用全肩关节整形数据集 (n=2204) 的模拟研究,模拟失踪 (10-50%) 在MCAR,MAR和NMAR模式下的术后得分.
- 缺少的数据使用CCA,三个单一归算方法和两个多重归算方法 (kNN和MICE-PMM) 来解决.
- 使用RMSE,MAPE和平均值,标准偏差和回归模型估计 (线性和后勤) 与原生完整数据集的比较来评估性能.
主要成果:
- 计算方法,特别是kNN和MICE-PMM,密切地重现了原生数据集的估计和关系,特别是在MCAR和MAR条件下.
- 当数据为MAR时,CCA导致了显著的精度损失 (更广泛的95%CI) 和虚假负结果的可能性.
- 计算方法保持CI宽度在真实值的50%以内,而CCA在MAR下增加了高达300%.
结论:
- 完整案例分析 (CCA) 可以引入选择偏差并降低统计能力,导致不准确的结论,特别是缺失随机 (MAR) 数据.
- 推算技术可靠地重现缺少的临床数据,产生与完整数据集可比的准确人口估计.
- 在临床数据库研究中使用归算方法至关重要,以避免与CCA相关的局限性和潜在偏见.
