TY -非盟的茫然的Matthijs盟——Koeter Maarten W J盟——schipper杰拉德M PY - 2010 DA - 2010/12/19 TI -电子健康研究的缺失数据的方法:模拟研究和用的教程倾向于研究人员JO - J地中海互联网Res SP - e54六世- 12 - 5 KW -缺失数据KW -多个归罪KW -互联网KW -方法论AB -背景:缺失的数据是一种常见的公害电子健康研究:很难预防和可能失效的研究成果。目的:本文对数据“缺失”的几种统计方法进行了讨论，并在模拟研究中进行了验证。本分析包括基本方法(完整案例分析、均值imputation和最后一次观测进行)和高级方法(期望最大化、回归imputation和多重imputation)，并讨论了优缺点。方法:用于模拟的数据集来自一项前瞻性队列研究，跟踪问题饮酒者在线自助项目的参与者。它包含124个非正态分布的端点，即研究对象的每日酒精消费计数。50%的病例在选定的变量中诱发了随机缺失(MAR)。通过执行自举模拟研究，计算了使用不同imputation方法获得的估计的有效性、可靠性和覆盖率。结果:在进行的仿真研究中，采用多重imputation技术得到了准确的结果。采用NORM、MICE、Amelia II和SPSS MI 4种被试多重归imputation方案进行分析发现，其中Amelia II方法优于其他方法，其对参考值的偏差最小(Cohen’s d = 0.06)，且对参考置信区间的覆盖率最大(96%)。结论:在分析缺失观测数据集时，多重imputation的使用提高了结果的有效性。 Some of the often-used approaches (LOCF, complete cases analysis) did not perform well, and, hence, we recommend not using these. Accumulating support for the analysis of multiple imputed datasets is seen in more recent versions of some of the widely used statistical software programs making the use of multiple imputation more readily available to less mathematically inclined researchers. SN - 1438-8871 UR - //www.mybigtv.com/2010/5/e54/ UR - https://doi.org/10.2196/jmir.1448 UR - http://www.ncbi.nlm.nih.gov/pubmed/21169167 DO - 10.2196/jmir.1448 ID - info:doi/10.2196/jmir.1448 ER -