Missing Data in Longitudinal Trials - Part B, Analytic Issues.
Missing Data in Longitudinal Trials - Part B, Analytic Issues.
复制标题
DOI：
10.3928/00485713-20081201-09
复制
发表时间：
2008-12-01
影响因子：
0.5
通讯作者：
Lavori PW
中科院分区：
文献类型：
--
作者：
Siddique J;Brown CH;Hedeker D;Duan N;Gibbons RD;Miranda J;Lavori PW
精神病学研究中的纵向设计有很多好处，包括能够测量疾病随时间的发展过程。然而，随着时间的推移，反复测量参与者也会导致反复出现数据缺失的机会，要么是没有回答某些问题，要么是错过了评估，要么是永久退出研究。为了避免偏差和信息丢失，在分析中应该考虑缺失值。目前用于处理丢失数据的几种流行方法，例如最后一次观察结转（LOCF），通常会导致不正确的分析。我们讨论了一些流行但没有原则的方法，并描述了对缺失值数据进行分类和分析的现代方法。我们使用WECare研究的数据来说明这些方法，这是一项针对低收入抑郁症妇女的纵向随机治疗研究。
Longitudinal designs in psychiatric research have many benefits, including the ability to measure the course of a disease over time. However, measuring participants repeatedly over time also leads to repeated opportunities for missing data, either through failure to answer certain items, missed assessments, or permanent withdrawal from the study. To avoid bias and loss of information, one should take missing values into account in the analysis. Several popular ways that are now being used to handle missing data, such as the last observation carried forward (LOCF), often lead to incorrect analyses. We discuss a number of these popular but unprincipled methods and describe modern approaches to classifying and analyzing data with missing values. We illustrate these approaches using data from the WECare study, a longitudinal randomized treatment study of low income women with depression.
登录
查看更多内容
影响因子：
2.7
作者：
Leon, Andrew C.;Demirtas, Hakan;Hedeker, Donald
通讯作者：
Hedeker, Donald
影响因子：
120.7
作者：
Miranda, J;Chung, JY;Belin, T
通讯作者：
Belin, T
影响因子：
1.5
作者：
Lane, Peter
通讯作者：
Lane, Peter
影响因子：
1.9
作者：
LAIRD, NM;WARE, JH
通讯作者：
WARE, JH
影响因子：
7
作者：
Collins, LM;Schafer, JL;Kam, CM
通讯作者：
Kam, CM