基于多重填补的广义线性模型在肾脏疾病研究中的应用
2021-11-19综述审校
王 威 综述 杨 帆 审校
在基于临床数据的研究中,无论是回顾性还是前瞻性的研究,常常会出现数据缺失的情况。当出现了缺失值,我们应给予妥当的处理,以便做出可靠的统计推断。目前,应对缺失值的方法是多种多样的,主要有删除法和填补法。删除法又称完整案例分析(complete case analysis)或列表删除(listwise deletion),即删除存在缺失值的所有观测,对保留下来的无缺失值的观测进行统计分析。此方法的操作是最简单易行的,因此为大多数研究者所采用,也是多数统计分析软件所默认采用的方法。然而,此方法在实际运用中可能会存在两点不足:一是缺失值的存在可能不是随机的,即存在缺失值的观测与完整观测之间存在某些方面的差异,且这些差异会给后续的参数估计带来偏倚;二是在研究变量数较多的情况下,所有研究变量均无缺失的观测可能会比较少,运用此法会舍弃过多观测,不仅会严重降低投入产出比,而且会增大参数估计的标准差和置信区间,降低统计功效。只有在存在缺失值的观测占比很小的时候(比如<5%),所造成的参数估计的偏倚和统计功效的降低才可以近似忽略[1]。因此,多建议对缺失值进行填补后再进行分析。填补又称插补,可分为单一填补法和多重填补法。单一填补包括均值填补,哑变量填补和基于回归模型的单一填补等。单一填补因为会降低被填补变量的不确定性,缩小参数估计的标准差,已逐渐被淘汰,本文不作详细介绍[2]。多重填补法因其考虑了缺失的不确定性等优点越来越受到大家的推崇[3]。另外,广义线性模型(generalized linear models, GLM),囊括线性回归模型、二元Logistic回归模型、Poisson回归模型等,在临床数据分析中占据着重要地位,其中二元Logistic回归常常作为主要的多因素模型,用以产出因果推断的统计学依据[4-5]。目前,虽然二元Logistic回归与多重填补技术的结合在危险因素分析的医学研究中的应用越来越多,如Foerster等[6]通过二元logistic回归和多重填补方法建立了一个风险分层模型以更好的识别适合上尿路上皮癌内镜下保留肾脏手术的患者,但以实例分析介绍两者如何结合应用的文献较少。本文就数据缺失的模式和比例、多重填补的流程进行简单的梳理,并使用急性肾损伤的数据演示多重填补(mice程序包)与广义线性模型的结合应用,以期为含缺失值的临床数据的统计分析提供参考依据。
数据缺失的模式与比例
多重填补的创始人Little和Rubin教授将数据缺失的原因分为以下三种模式:完全随机缺失(missing completely at random, MCAR)、随机缺失(missing at random, MAR)和非随机缺失(missing not at random, MNAR)。完全随机缺失指的是数据的缺失与否既不能归因于已观测的变量,也不能归因于未观测的变量,即存在缺失的观测与完整观测来自于同一个分布的总体,完整案例分析方法仅适用于这种缺失模式[7]。……
