编辑推荐：
在纵向研究中，数据缺失问题普遍存在。研究人员开展了两阶段多重填补法（MI）处理纵向复合变量缺失数据的研究。结果显示，合适假设下该方法偏差最小，含纵向信息的 FCS 方法表现最佳。这为处理复杂缺失数据提供了有效策略。
在生物医学研究的广袤领域中，尤其是在纵向研究的战场上，数据缺失就像一颗随时可能引爆的 “炸弹”，给研究结果的准确性和可靠性带来了巨大威胁。想象一下，一项旨在追踪人们健康状况随时间变化的研究，却因为部分数据的缺失，导致无法清晰地看到疾病的发展轨迹和影响因素，这是多么令人头疼的事情。而且，数据缺失的原因复杂多样，比如参与者中途退出研究（这就像比赛中的选手突然离场）、某些检测指标未能成功获取等。传统的多重填补法（Multiple Imputation，MI）虽然被广泛应用，但它在处理不同类型的数据缺失时，常常 “一刀切”，默认各种缺失数据类型为随机缺失（Missing at Random，MAR） ，这显然无法满足复杂多变的实际研究需求。于是，为了突破这一困境，来自波士顿大学公共卫生学院（Boston University School of Public Health）的研究人员 Xuzhi Wang、Martin G. Larson 和 Chunyu Liu 踏上了探索之旅，他们的研究成果发表在《BMC Medical Research Methodology》上，为解决数据缺失问题带来了新的曙光。
研究人员为了评估两阶段 MI 在处理纵向复合变量缺失数据方面的性能，开展了一系列深入的研究。在研究过程中，他们用到了以下几个主要关键的技术方法：首先，基于 Framingham 心脏研究（Framingham Heart Study，FHS）的数据，构建了一个包含五个连续和二元成分的纵向复合变量 Composite - 5，用于模拟真实研究场景。其次，采用两阶段 MI 框架，分两步处理不同类型的缺失数据，第一阶段处理缺失非随机（Missing Not at Random，MNAR）的数据，第二阶段处理 MAR 的数据。在这个过程中，运用了完全条件指定（Fully Conditional Specification，FCS）方法进行数据填补，并比较了三种不同结构的 FCS 方法，即 All FCS（AFCS）、Cross - sectional FCS（XFCS）和 Longitudinal FCS（LFCS） 。此外，通过模拟研究和真实数据应用，全面评估了两阶段 MI 在保留复合变量均值、捕捉时间趋势以及恢复预测能力等方面的表现。
研究结果
- 模拟研究结果
- 均值和斜率：在不同的缺失场景下，合适的 MNAR 假设（如在 Scenario 1 中，k=1.1,1.2 ；在 Scenario 2 中，k=0.8,0.9 ）能使两阶段 MI 产生最小的偏差和最优的覆盖概率。考虑纵向信息的 AFCS 和 LFCS 方法在合适假设下表现出色，优于 XFCS。而在 Scenario 3 中，由于 MNAR 机制复杂，MAR 假设反而产生了相对准确的估计123。
- 死亡率 HR：在 Scenario 1 中，合适的 MNAR 假设（k=1.1,1.2 ）产生的对数风险比（log Hazard Ratio，log HR）无偏，覆盖概率大。在 Scenario 2 中，MAR 假设表现最佳。在 Scenario 3 中，MAR 假设和部分 MNAR 假设（k=1.1,1.2 ）表现相似且优于其他假设。总体上，AFCS 和 LFCS 在多数情况下比 XFCS 表现更好45。
- 真实数据应用结果
- 均值和斜率：在 FHS 后代队列数据中，考虑到 dropout 可能导致的生存偏差，采用k=1.1和1.2的 MNAR 假设，能使 Composite - 5 的估计均值更低，更符合实际情况。同时，不同 FCS 方法在均值和斜率估计上表现相似，但在考虑 MNAR 假设时，Composite - 5 呈现出随时间下降的趋势，反映出心血管健康状况的恶化678。
- 死亡率 HR：在预测全因死亡率方面，使用所有可用数据的 CC - AVAIL 和 LOCF 方法未发现 Composite - 5 与死亡率的关联。而两阶段 MI 在不同假设下，结果有所不同。当假设 dropout 是由于健康状况恶化（如k=1.1,1.2 ）时，较高的 Composite - 5 预测死亡率降低；当假设 dropout 是由于健康改善（如k=0.8,0.9 ）时，结果则相反910。
研究结论与讨论
综合模拟研究和真实数据应用的结果，研究人员发现，在两阶段 MI 框架下，选择合适的 FCS 方法和 ignorability 假设至关重要。当假设合理且考虑纵向信息时，两阶段 MI 能展现出最佳性能，有效减少偏差，提高估计的准确性。与传统方法相比，如完全病例分析（Complete Case，CC）和末次观察结转（Last Observation Carried Forward，LOCF） ，两阶段 MI 具有明显优势。同时，研究还发现不同 FCS 方法在不同场景下各有优劣，例如当组件内相关性和组件间相关性都较高时，AFCS 更合适；当组件内相关性高但组件间相关性低时，LFCS 因其计算负担低和解释简单而更具优势。此外，研究人员也指出了研究存在的局限性，如 Composite - 5 未包含体力活动和饮食因素，可能无法全面评估心血管健康；敏感性分析结果多样，增加了解释的复杂性。不过，敏感性分析也增强了研究结论的稳健性和全面性。
这项研究的重要意义在于，它为处理纵向复合变量的缺失数据提供了一种创新且有效的方法，拓展了两阶段 MI 的应用范围。其研究成果有助于研究人员在面对复杂的缺失数据问题时，做出更科学的决策，选择更合适的方法进行数据处理和分析，从而提高研究结果的可靠性和有效性，为生物医学研究领域在处理数据缺失问题上开辟了新的道路，推动相关研究朝着更精准、更深入的方向发展。
