注意数据缺失问题：文献调查显示英国初级保健健康记录数据库（CPRD）在处理临床实践研究数据中的缺失数据方面存在不足

《Clinical Epidemiology》：Mind the Gaps: Literature Survey Reveals Shortcomings in Handling Missing Data in Clinical Practice Research Datalink (CPRD), a UK Primary Care Health Records Database

本研究分析英国临床实践研究数据链接（CPRD）中缺失数据处理方法，随机选取2013-2023年间发表的220篇观察性研究。结果显示74%研究涉及缺失数据，但方法不当：仅8%使用推荐的多重插补法（MI），20%采用不合理的缺失指示器法，23%使用完整记录分析（CRA）。研究指出多数论文缺乏透明报告，未充分说明缺失机制或验证方法稳健性，导致结果可能存在偏倚。建议建立标准化流程，加强方法学严谨性和结果可重复性验证。

　　在英国初级护理电子健康记录（EHR）的研究中，处理缺失数据的方式和透明度是确保研究结果可靠性的关键因素。EHR作为重要的数据来源，广泛应用于流行病学和临床研究，为研究人员提供了探讨暴露与结果之间关系的机会。然而，由于数据采集过程中存在的多种限制，EHR中的关键变量，如种族、社会经济状况、体重指数（BMI）和吸烟状态等，往往存在缺失。这种缺失不仅可能影响研究的有效性，还可能引入偏差并降低统计分析的效力。尽管已有多种处理缺失数据的方法，如完全记录分析（CRA）、缺失指示方法和多重插补（MI），但目前的研究实践是否遵循最佳方法仍存在疑问。

本研究旨在分析英国最大的初级护理EHR数据库——临床实践研究数据链接（CPRD）中，使用这些数据库进行研究的论文如何处理缺失数据。通过对2013年至2023年间发表的2,481篇论文进行随机抽样，选取了220篇进行详细评估。结果显示，超过74%的论文报告了缺失数据的存在，但只有8%的论文使用了MI，而CRA和缺失指示方法分别被23%和20%的论文采用。此外，还有6%的论文使用了其他方法，如重新分类和均值插补。这些结果表明，尽管有指导方针推荐更科学的方法，但当前的研究实践中仍然存在显著不足。

在研究设计和分析阶段，处理缺失数据的透明度和方法选择对于确保研究结果的可信度至关重要。TARMOS框架建议在研究规划、执行和报告三个阶段都应详细讨论缺失数据的处理方法和假设。然而，本研究发现，只有少数论文在这些方面进行了充分的说明，大多数研究未能遵循这些推荐。例如，有20%的论文在使用CRA时没有明确说明其假设，而有16%的论文仅在表格中报告缺失数据，但未在方法或结果部分进行详细讨论。这种做法不仅影响研究的可重复性，还可能使研究结论受到缺失数据假设的影响。

在处理缺失数据时，不同变量的缺失模式和处理方法可能存在差异。例如，BMI的缺失率在不同研究中从1%到90%不等，而种族数据的缺失率在某些研究中高达82%。对于这些变量，研究人员通常采用的方法包括添加缺失类别、使用MI或排除缺失数据。然而，这些方法的有效性取决于缺失数据的机制。例如，如果缺失数据是随机缺失（MAR），那么添加缺失类别可能会导致偏差，而如果缺失数据是随机缺失（MCAR），则使用MI可能更为合适。然而，当前的研究中，许多论文未能明确讨论这些机制，而是直接采用某种方法，而没有考虑其适用性。

此外，敏感性分析在处理缺失数据时也非常重要。通过敏感性分析，研究人员可以测试不同缺失数据假设对研究结论的影响。然而，本研究发现，只有11%的论文进行了敏感性分析，这表明当前的研究实践在这一方面仍然存在不足。一些研究虽然进行了敏感性分析，但未充分讨论其结果，使得读者难以评估研究结论的稳健性。

在处理缺失数据时，研究人员还需要考虑数据的来源和完整性。例如，CPRD数据虽然覆盖了英国约24%的人口，但其数据采集可能存在局限，导致某些变量的缺失。为了提高数据的完整性，研究人员可以利用数据链接，将CPRD与其他数据源如医院事件统计（HES）和国家统计局（ONS）的数据结合起来。这种做法不仅可以提高数据的准确性，还可以增强研究的稳健性。

总之，处理缺失数据是确保研究结果可靠性的重要环节。尽管已有多种方法可供选择，但当前的研究实践中仍然存在不足。研究人员、期刊编辑和审稿人需要共同努力，确保缺失数据的处理和报告符合最佳实践。只有这样，才能减少偏差和误读的风险，提高研究的质量和可信度。