Множинна імпутація як прийнятний спосіб роботи з відсутніми даними

Abstract

У даній роботі досліджено метод множинної імпутації, спрямований на обробку відсутніх даних у клінічних випробуваннях. Зосереджено увагу на його застосуванні, зокрема на лінійній регресії. Після аналізу методів імпутації, увага приділяється статистичному аналізу, включаючи метод Каплан-Майера та різні варіанти T-тесту та ANOVA. Далі показано, як метод множинної імпутації може створити "найгірший" набір даних для оцінки впливу відсутності даних на результати. На заключному етапі ефективність розроблених методів перевіряється на реальних або симульованих даних, що підкреслює їхню застосовність у клінічних дослідженнях.

This work examines the multiple imputation method, a powerful tool for handling missing data in clinical trials. Attention is focused on its application, particularly linear regression. Following an analysis of imputation methods, statistical analysis is addressed, including the Kaplan-Meier method and various forms of T-tests and ANOVA. Furthermore, it demonstrates how the multiple imputation method can create a "worst-case" dataset to assess the impact of missing data on results. Finally, the efficacy of the developed methods is tested on real or simulated data, underscoring their applicability in clinical research.