临床试验中缺失数据的科学处理

一、缺失机制诊断

1.1 缺失机制诊断（Rubin分类）

1.1.1 MCAR

• 缺失与观测值无关（如血样意外损坏）

1.1.2 诊断方法

• Little's test (p>0.05)

1.1.3 MAR

• 缺失与观测到的变量相关（如高龄患者更易失访）

1.1.4 诊断方法

• Logistic回归：缺失状态 ~ 基线年龄 + 治疗组

1.1.5 MNAR

• 缺失与未观测值相关（如症状恶化者退出研究）

1.1.6 诊断方法

• 敏感性分析（模式混合模型）

1.1.7 监管重点

• 需在方案中预设缺失机制假设（ICH E9 R1指导原则）

二、估计方法与应用场景

2.1 完整病例分析（Complete Case, CC）

2.1.1 方法

• 直接删除含缺失的记录

2.1.2 适用条件

• MCAR且缺失率<5%

2.1.3 风险

• 高缺失率时样本量锐减 → 效能下降

2.2 末次观测结转（Last Observation Carried Forward, LOCF）

2.2.1 方法

• 向前填充

2.2.2 适用条件

• 单调缺失（如患者退出后完全无数据）<