Missing data methods in longitudinal studies: a review.
Missing data methods in longitudinal studies: a review.
复制标题
DOI：
10.1007/s11749-009-0138-x
复制
发表时间：
2009-05-01
期刊：
影响因子：
--
通讯作者：
Molenberghs G
中科院分区：
文献类型：
--
作者：
Ibrahim JG;Molenberghs G
在生物医学及其他类型的研究中，不完整的数据相当常见，尤其是在纵向研究中。在过去的三十年里，该领域已经开展了大量的工作。这一方面导致了缺失数据概念、问题和方法的丰富分类，另一方面也产生了各种各样的数据分析工具。分类要素包括：缺失数据模式、机制和建模框架；推理范式；以及敏感性分析框架。这些都将详细描述。还介绍了各种具体的建模方法。为了使内容更具体，考虑了两个案例研究。第一个涉及乳腺癌患者的生活质量，而第二个则研究了马斯卡廷儿童肥胖研究的数据。
Incomplete data are quite common in biomedical and other types of research, especially in longitudinal studies. During the last three decades, a vast amount of work has been done in the area. This has led, on the one hand, to a rich taxonomy of missing-data concepts, issues, and methods and, on the other hand, to a variety of data-analytic tools. Elements of taxonomy include: missing data patterns, mechanisms, and modeling frameworks; inferential paradigms; and sensitivity analysis frameworks. These are described in detail. A variety of concrete modeling devices is presented. To make matters concrete, two case studies are considered. The first one concerns quality of life among breast cancer patients, while the second one examines data from the Muscatine children’s obesity study.
登录
查看更多内容
影响因子：
1.9
作者：
Chen, QX;Ibrahim, JG
通讯作者：
Ibrahim, JG
影响因子：
1.3
作者：
Chen, MH;Ibrahim, JG;Lipsitz, SR
通讯作者：
Lipsitz, SR
DOI：
10.1111/1467-9876.00110
发表时间：
1998-01-01
影响因子：
1.6
作者：
Ekholm, A;Skinner, C
通讯作者：
Skinner, C
影响因子：
2.7
作者：
Chen, Ming-Hui;Ibrahim, Joseph G.;Shao, Qi-Man
通讯作者：
Shao, Qi-Man
具有缺失响应和协变量的回归模型的理论和推理。
影响因子：
1.6
作者：
Chen, Qingxia;Ibrahim, Joseph G.;Chen, Ming-Hui;Senchaudhuri, Pralay
通讯作者：
Senchaudhuri, Pralay