¿Cómo lidiar con los datos que faltan de un ensayo clínico

Video: ¿Qué son los ensayos clínicos y cómo se desarrollan?

La mayoría de los ensayos clínicos tienen datos incompletos para una o más variables, que pueden ser un verdadero dolor de cabeza en el análisis de sus datos. Los aspectos estadísticos de los datos que faltan son bastante complicados, por lo que debe consultar a un estadístico si usted tiene más de valores que faltan solo ocasionales y aisladas. He aquí algunos enfoques utilizados comúnmente para hacer frente a la falta de datos:

Video: La enfermedad como oportunidad | Georgina Sposetti | TEDxMarDelPlata

• Excluir un caso de un análisis si alguna de las variables necesarias para que el análisis no se encuentra. Este enfoque puede reducir el número de casos analizables, a veces muy graves (especialmente en la regresión múltiple, en donde todo el caso debe ser eliminado, incluso si sólo una de las variables en la regresión no se encuentra).

  Y si el resultado es que falta por una razón que está relacionado con la eficacia del tratamiento, excluyendo el caso puede sesgar los resultados.

• reemplazar (imputar) Un valor que falta con la media (o mediana) de todos los valores disponibles para esa variable. Este enfoque es bastante común, pero presenta varios tipos de sesgo en los resultados, así que no es una buena técnica a utilizar.

• Si uno de una serie de mediciones secuenciales en un sujeto no se encuentra (como el tercero de una serie de valores semanales de glucosa), utilice el valor anterior en la serie. Esta técnica se llama Última observación realizada (LOCF) y es una de las estrategias más utilizadas. LOCF generalmente produce resultados “conservadores”, lo que hace más difícil demostrar la eficacia.

  Este enfoque es popular entre los reguladores, que quieren poner la carga de la prueba de la droga.

métodos más complicados también pueden ser utilizados, tales como la estimación del valor faltante de una variable basada en la relación entre esa variable y otras variables en el conjunto de datos, o el uso de un método analítico como medidas repetidas modelo mixto (MMRM) análisis, que utiliza todos los datos disponibles y no rechaza un caso sólo porque una variable no se encuentra.