Bayesian multiple imputation for missing multivariate longitudinal data from a Parkinson's disease clinical trial.
Bayesian multiple imputation for missing multivariate longitudinal data from a Parkinson's disease clinical trial.
复制标题
DOI：
10.1177/0962280212469358
复制
发表时间：
2016-04
影响因子：
2.3
通讯作者：
Tilley BC
中科院分区：
文献类型：
--
作者：
Luo S;Lawson AB;He B;Elm JJ;Tilley BC
在帕金森病（PD）临床试验中，使用随时间重复收集的各种类型（例如，二元、有序、连续）的多个结局研究帕金森病。所有结局的总体治疗效果可基于全局检验统计量进行评价。然而，由于多种原因，如脱落、死亡等，结局中会出现数据缺失，并且需要插补以进行意向治疗分析。我们提出了一种基于项目反应理论的贝叶斯方法来执行多重插补，同时考虑多个相关性来源。敏感度分析乃于不同情况下进行。我们的模拟结果表明，所提出的方法优于标准的方法，如末次观测值结转和单独的随机效应模型的每个结果。我们的方法的动机和应用于帕金森氏病的临床试验。所提出的方法可以广泛应用于纵向研究的多个结果受遗漏。
In Parkinson’s disease (PD) clinical trials, Parkinson’s disease is studied using multiple outcomes of various types (e.g. binary, ordinal, continuous) collected repeatedly over time. The overall treatment effects across all outcomes can be evaluated based on a global test statistic. However, missing data occur in outcomes for many reasons, e.g. dropout, death, etc., and need to be imputed in order to conduct an intent-to-treat analysis. We propose a Bayesian method based on item response theory to perform multiple imputation while accounting for multiple sources of correlation. Sensitivity analysis is performed under various scenarios. Our simulation results indicate that the proposed method outperforms standard methods such as last observation carried forward and separate random effects model for each outcome. Our method is motivated by and applied to a Parkinson’s disease clinical trial. The proposed method can be broadly applied to longitudinal studies with multiple outcomes subject to missingness.
登录
查看更多内容
影响因子：
10.4
作者：
Hothorn L
通讯作者：
Hothorn L
用于比较多维结果的基于排名的测试
影响因子：
3.7
作者：
Liu A;Li Q;Liu C;Yu K;Yu KF
通讯作者：
Yu KF
DOI：
10.1007/s11749-009-0138-x
发表时间：
2009-05-01
期刊：
Test (Madrid, Spain)
影响因子：
--
作者：
Ibrahim JG;Molenberghs G
通讯作者：
Molenberghs G
影响因子：
2
作者：
Huang, Peng;Woolson, Robert F.;O'Brien, Peter C.
通讯作者：
O'Brien, Peter C.
DOI：
10.1016/s0190-9622(98)70007-6
发表时间：
1998-10-01
影响因子：
13.8
作者：
Kaufman, KD;Olsen, EA;Gormley, GJ
通讯作者：
Gormley, GJ