几种纵向缺失数据填补方法的比较及在阿尔茨海默病随访数据中的应用

目的 针对纵向缺失数据,比较几种适用的填补方法并从中选择最佳方法用于阿尔茨海默病随访资料的数据缺失填补.方法 针对随机缺失机制且缺失变量为连续变量的纵向缺失资料,模拟缺失比例分别为10％、20％、30％、40％和50％的随机数据集,结合末次观察值结转(Last Observation Carried Forward,LOCF)填补方法、马尔可夫链蒙特卡罗填补法(Markov Chain Monte Carlo,MCMC)、全条件定义法(Fully Conditional Specification,FCS)进行填补,采用无偏性和有效性评价指标,比较填补效果,选取最理想的填补方法,并将该方法应用于阿尔茨海默病随访研究中收缩压和蒙特利尔认知评估量表(Montreal Cognitive Assessment,MoCA)得分的填补.结果 (1)纵向缺失资料中若不考虑时间变量,在处理几个连续性的缺失变量时,MCMC法在各缺失率下填补均优势明显,LOCF填补法在缺失率较低时具有一定的效果,且方法简单,而FCS法的填补结果均不太好.当数据缺失比较严重,缺失率高于40％时,各种填补方法的填补结果均不佳.(2)将MCMC法用于填补阿尔茨海默病的随访缺失数据,当填补次数为3时,收缩压和MoCA得分两指标的填补效果最佳.结论 为了得到最理想的结果,在处理缺失数据时填补方法和适当的填补次数都需要考虑.