临床研究缺失数据如何处理？ 失访患者直接删除可以吗？

开展随机对照试验(RCT)，不可避免的是研究对象失访。失访了怎么办呢？

引发我撰写本篇论文的就是这么一条微信消息：

我对这道题的回答是：可以保留失访状况，但是有条件，在写作方面也有一定的讲究。

来看另外一个案例对缺失的处理

这样合适么？

现在我来简单来道说道有关缺失数据的处理方法！主要有三点。1）临床试验要实现明确数据的分析集 2）论文写作要附上研究对象流程图 3）有相应的关于缺失数据处理过程的介绍。

1.临床试验要明确数据的分析集 

一般在指定统计分析计划或者统计报告时，首先就得指出本研究的数据分析原则或分析集。一般分析原则包括意向性治疗原则和符合方案原则。

意向性治疗原则（intention-to-treat）是最常见的分析原则，它意味着在数据分析将纳入所有随机化分组后的对象，无论后期治疗方案是否发生改变、患者是否失访；统计分析时任何个体都将按照随机化时划组方法汇总数据。比如患者A随机分组的时候分在对照组，但后期违背了方案接受了干预组的治疗措施，但他产生的数据仍然归到对照组。

比如：We included allwomen who were randomised (the intention-to-treat population). All women were accounted for in the group to which they were randomised, regardless of the treatment they received.

近年来，除了严格的意向性治疗的原则，还有modified intention-to-treat 原则，比如Outcome analyses were performed in the modified intention-to-treat population, which includedall randomly assigned patients except those who withdrew consent forparticipation in the trial and those lost to follow-up.

根据意向性分析原则产生的人群，也可以被称之为全分析集。

All randomised and consented patients, constituting the full analysis set, were included according to intention-to-treat principles for the efficacy analyses (n=121). All patients who received at least one dose of vosoritide or placebo (n=121)were included in the safety analyses.

在少数的场景中，也会采用符合方案集原则（per protocol）进行分析，纳入的人群是完全按照治疗方案接受干预的人群，剔除那些偏离方案的对象（比如不依从，或者从干预组跳到对照组）。这样的分析人群称为符合方案集人群。

比如We also did prespecified per protocol analyses for the primary outcome, which sequentially excluded subgroups of patients who did not meet our eligibility criteria or had incomplete adherence to the trial medication

严谨的临床试验，在研究设计时必须要讲明分析原则或分析集，统计分析时应按照该原则进行，统计报告撰写统计方法时第一句话就是写出你的分析原则。

2.研究对象的流程图

在分析原则的框架下，研究对象需要筛选排除，患者可能失访，数据可能不合格而遗弃，因此整个临床试验从开始到结束，伴随着反复的研究对象进出现象（主要是出）。我们往往需要用流程图把这个过程详细地展现给审稿人和读者。

比如这幅图，365名纳入筛选，最后纳入分析的是53名。

又比如下面这幅图，历经筛选，742名候选对象分别有407 和204名合格对象纳入干预组和对照组，虽然期间很多患者失访了、撤回知情同意等等，但最后纳入分析的人数仍然是407 和204，因为这是基于意向性分析原则进行统计分析的。

一篇文章值不值得信任，很重要的便是作者能否如实地展现研究对象筛选和脱落的整个过程。

很多文章直接说纳入60例开展分析，也不详细撰写60例的发生过程。这其实意味着60例的来源是存疑的。更何况，很多时候数据存在着缺失，你为什么最后完整的数据刚好60例而不是59例或者61例呢？

3. 缺失数据的处理

既然临床试验一般严格按照意向性分析原则进行数据分析，那问题就来了，失访了、脱落了怎么办？数据不是缺么？

事实上好的临床试验也不可避免存在着缺失，好的临床分析会直面缺失，应对缺失，而不是假装不缺失或者默默地删除缺失，甚至篡改数据。

诸位，在研究论文中讨论缺失同时应对缺失，不是什么坏事，反而将是一篇文章的亮点。

如何处理缺失呢？

第一类，不作任何处理。这种情景一般又常见以下若干场景：结局缺失者占总数不超过5%，或者结局是生存时间数据，或者采用的统计方法是混合效应模型和广义估计方程。

第二，进行填补。填补的方法末次观察结转法、最差值法、平均值法等等，当然最推崇的是多重填补方法。

比如，最差值法。Missing primary outcomes were imputed as the worst possible score, counted as poor outcome (mRS 3–6 dichotomy) and for mortality analysis, imputed as deaths.

多重填补法：

Participantswere included in the analyses according to their randomized allocation, using multiple imputation for missing outcome data, using all baselinecharacteristics (age, sex, body mass index, blood pressure, medical history,WOMAC scores, SF-36 scores, and parameters of gait analysis), outcomes at all time points, the treatment indicator, and stratification variables to generate 20 imputed data sets

此外，统计分析还将进行敏感性分析，通过比较不填补和填补之间的差异性，探讨缺失数据填补带来的影响。

所以，缺失数据处理在这三个方面建议认真实践 。 1）临床试验要实现明确数据的分析集 2）论文写作要附上研究对象流程图 3）有相应的关于缺失数据处理过程的介绍。

好了，最后，再请大家回答上述的问题：临床试验51例患者，1例失访，失访患者直接删除可以吗？

更多关于临床试验设计与数据分析的信息，欢迎参加5.20-4.21，郑老师主持的临床试验培训班，点击下方了解详情

临床试验设计与数据分析2天直播培训班，欢迎报名（5.20-21）

更多实战课程

2022年以来，我们召集了一批富有经验的高校专业队伍，着手举行短期统计课程培训班，包括R语言、meta分析、临床预测模型、真实世界临床研究、问卷与量表分析、医学统计与SPSS、临床试验数据分析、重复测量资料分析、结构方程模型、孟德尔随机化等10门课。如果您有需求，不妨点击查看：

10门科研与统计课程介绍：含孟德尔随机化课程