缺失数据处理方法及其在临床试验中的应用

发布时间：2020-06-20 00:47

【摘要】：目的:基于一项RCT设计的临床试验,通过不同的缺失数据处理方法对疗效评价进行敏感性分析,为临床试验中单调、随机缺失数据分析提供方法学指导。对象与方法:研究对象为生长激素缺乏症患者452例,按1:1的分配比例随机分为低剂量组(0.12mg/kg/w)和高剂量组(0.20mg/kg/w)进行某种重组人生长激素的治疗。剔除误纳或无用药患者3例,纳入FAS分析低剂量组224例、高剂量组225例。疗效指标为基于实际年龄的身高标准差积分(Ht-SDS_(CA))、基于骨龄的身高标准差积分(Ht-SDS_(BA))和年生长速率(HV)。利用MonteCarlo模拟,采用绝对误差均值(MAE)与误差均方(MSE)在不同样本量及缺失数据比例的情况下,对多重填补法、EM算法和随机森林倾向值评分联合双稳健逆概率加权处理缺失数据的稳健性进行评价,并结合临床试验案例进行应用分析。结果:(1)模拟结果显示,当样本量固定时,多重填补法、EM算法及随机森林倾向值评分联合双稳健逆概率加权法三种缺失数据处理方法估计得到的绝对误差均值和误差均方随着缺失数据比例上升而增大;当缺失数据比例固定时,估计得到的绝对误差均值和误差均方随着样本量增加而缩小。(2)随机森林倾向值评分联合双稳健逆概率加权法的MAE及MSE均最小,显示其效应估计的精准性最好;多重填补法与EM算法的MAE及MSE比较相近。(3)基于RCT设计的临床试验数据,对疗效指标Ht-SDS_(CA)、Ht-SDS_(BA)和年生长速率(HV)进行分析。结果显示,在指标Ht-SDS_(CA)及HV上,高剂量组的效应要高于低剂量组,差异均有统计学意义,但Ht-SDS_(BA)的不同剂量组间差异无统计学意义。应用多重填补法、EM算法和随机森林倾向值评分联合双稳健逆概率加权法处理缺失数据,得到的治疗效应值,包括点估计、区间估计等,与LOCF填补的结果基本一致。结论:多重填补法、EM算法及随机森林倾向值评分联合双稳健逆概率加权法对于RCT临床试验缺失数据的处理都具有良好的适用性,结果与LOCF法基本一致。相比而言,随机森林倾向值评分联合双稳健逆概率加权法效应估计精准性最好。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：O212.1;R195.1

【参考文献】