A Scoping Review of Item-Level Missing Data in Within-Trial Cost-Effectiveness Analysis.
A Scoping Review of Item-Level Missing Data in Within-Trial Cost-Effectiveness Analysis.
复制标题
试验内成本效益分析中项目级缺失数据的范围审查。
DOI：
10.1016/j.jval.2022.02.009
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Ling X
中科院分区：
文献类型：
--
作者：
Ling X
目标成本效益分析 (CEA) 以及随机对照试验通常依赖于自我报告的多项目问卷，这些问卷总是容易丢失项目级数据。本研究的目的是回顾基于试验的 CEA 中如何处理缺失的多项目问卷数据。方法我们检索了美国国立卫生研究院期刊，以识别 2016 年 1 月至 2021 年 4 月期间发布的试验内 CEA，使用多项目工具收集成本和生活质量 (QOL) 数据。提取了有关缺失数据处理和方法的信息，重点是插补的水平和类型。 结果 审查中纳入了总共 87 个基于试验的 CEA。完整案例分析或可用案例分析和多重插补 (MI) 是最流行的方法，由类似数量的研究选择，用于处理基本案例分析中缺失的成本和生活质量。然而，完整的案例分析或可用的案例分析主导了敏感性分析。一旦选择了插补，缺失的成本就会通过 MI 广泛地插补在项目级别，而缺失的 QOL 通常会在随访期间通过 MI 进行更聚合的时间点水平插补。结论 在当前的 CEA 和随机对照试验中，缺失的成本和 QOL 往往会插补在不同的缺失水平上。鉴于纳入研究提供的信息有限，在不同聚合级别应用不同插补方法对 CEA 决策的影响仍不清楚。
ObjectivesCost-effectiveness analysis (CEA) alongside randomized controlled trials often relies on self-reported multi-item questionnaires that are invariably prone to missing item-level data. The purpose of this study is to review how missing multi-item questionnaire data are handled in trial-based CEAs.MethodsWe searched the National Institute for Health Research journals to identify within-trial CEAs published between January 2016 and April 2021 using multi-item instruments to collect costs and quality of life (QOL) data. Information on missing data handling and methods, with a focus on the level and type of imputation, was extracted.ResultsA total of 87 trial-based CEAs were included in the review. Complete case analysis or available case analysis and multiple imputation (MI) were the most popular methods, selected by similar numbers of studies, to handle missing costs and QOL in base-case analysis. Nevertheless, complete case analysis or available case analysis dominated sensitivity analysis. Once imputation was chosen, missing costs were widely imputed at item-level via MI, whereas missing QOL was usually imputed at the more aggregated time point level during the follow-up via MI.ConclusionsMissing costs and QOL tend to be imputed at different levels of missingness in current CEAs alongside randomized controlled trials. Given the limited information provided by included studies, the impact of applying different imputation methods at different levels of aggregation on CEA decision making remains unclear.
登录
查看更多内容
影响因子：
3.6
作者：
das Nair, Roshan;Bradshaw, Lucy E.;Lincoln, Nadina B.
通讯作者：
Lincoln, Nadina B.
处理项目级缺失数据
DOI：
--
发表时间：
2013
期刊：
影响因子：
--
作者：
Mike C. Parent
通讯作者：
Mike C. Parent
影响因子：
1.8
作者：
Plumpton CO;Morris T;Hughes DA;White IR
通讯作者：
White IR
影响因子：
1.8
作者：
Bell ML;Fairclough DL;Fiero MH;Butow PN
通讯作者：
Butow PN
影响因子：
2.1
作者：
Noble, Sian Marie;Hollingworth, William;Tilling, Kate
通讯作者：
Tilling, Kate