Beş yüz hastalık, 12 aylık takipli retrospektif bir çalışmada HbA1c değerlerinin %15'i eksik olabilir. SPSS'te regresyon çalıştırıldığında "75 case excluded due to missing data" uyarısı çıkar ve analiz 425 hasta üzerinden yürür. Asıl soru burada başlıyor: kaybedilen 75 kişi daha genç miydi, glisemik kontrolleri daha mı kötüydü, yoksa yalnızca o dönem laboratuvar mı arızalıydı? Eksik veri probleminde tek bir doğru cevap yoktur; yalnızca "daha az yanlış" seçenekler vardır ve doğru seçim, eksikliğin nedenine bağlıdır.
Eksik veri neden oluşur?
Klinik araştırmalarda eksik verinin dört ana nedeni var: hasta takipten çıkması (ölüm, taşınma, ilacı bırakma), test yapılamaması (lab arızası, kit bitmesi), form eksik doldurulması (hassas sorularda yanıt vermeme, anketör hatası) ve veri kaybı (dosya kaybolması, sistem çökmesi).
Bu nedenler birbirinden farklı. Birincisi hasta ile ilgili, ikincisi teknik, üçüncüsü sosyal, dördüncüsü tamamen rastlantısal. Bu fark kritik çünkü eksik verinin "mekanizması" hangi yöntemin uygun olduğunu belirliyor.
Üç mekanizma: MCAR, MAR, MNAR
MCAR (Missing Completely at Random — tamamen rastgele): Eksiklik tamamen rastlantısal. HbA1c değeri eksik olanlarla olmayanlar arasında hiçbir fark yok. Hastanenin lab cihazı belli bir tarihte arızalandı, o gün gelen herkesin testi eksik kaldı — hastanın yaşı veya hastalık şiddetiyle ilgisi yok.
MAR (Missing at Random — koşullu rastgele): Eksiklik gözlemlenen başka bir değişkenle açıklanabiliyor ama eksik olan değişkenin kendisiyle ilgili değil. Genç hastalarda HbA1c testi eksikliği daha fazla çünkü gençler kontrole daha az geliyor. Yani eksiklik "yaş" ile ilişkili, "HbA1c değeri" ile değil.
MNAR (Missing Not at Random — rastgele değil): Eksiklik, eksik olan değerin kendisiyle ilişkili. HbA1c değeri çok kötü olan hastalar utandığı için kontrole gelmiyor. Eksik veri görmezden gelinirse ortalama HbA1c olduğundan daha iyi görünüyor.
Tam bir ayırt etme testi yok ama Little's MCAR testi SPSS'te mevcut. p>0,05 ise MCAR varsayımı geçerli olabilir. Daha iyi yöntem: eksik veri olanlarla olmayanları karşılaştırıp demografik/klinik farklılık olup olmadığına bakmak. Bu testin ne söyleyip ne söylemediğine ve ileri yöntemlere eksik veri analizi yöntemleri yazımızda ayrıntılı değiniyoruz.
Yöntem 1: Silme
Liste bazlı silme (listwise deletion / tam gözlem analizi): Eksik veri içeren tüm satır siliniyor. SPSS varsayılan olarak bunu yapıyor. Basit, anlaşılır ve MCAR varsayımı geçerliyse yanlılık oluşturmuyor. Ama örneklem küçülüyor, istatistiksel güç düşüyor. %20'den fazla eksiklik varsa ciddi kayıp söz konusu. MAR veya MNAR ise yanlılık oluşuyor.
Eksiklik %5'in altındaysa ve MCAR'sa liste bazlı silme güvenli bir seçenek.
İkili silme (pairwise deletion): Her analizde sadece o analizde kullanılan değişkenlerdeki eksiklik siliniyor. Korelasyon matrisi hesaplanırken her hücre farklı örneklem üzerinden hesaplanabiliyor. Tutarsızlık riski yüksek — matris "pozitif belirli" olmayabiliyor. Keşifsel analizlerde kullanılabilir ama final analiz için önerilmiyor.
Yöntem 2: Basit doldurma (tekli imputasyon)
Ortalama/medyan ile doldurma: Eksik değerler değişkenin ortalaması veya medyanı ile dolduruluyor. Örneklem sayısı korunuyor ama varyans azalıyor, korelasyonlar zayıflıyor, standart hatalar küçük çıkıyor. Tanımlayıcı istatistiklerde kullanılabilir ama çıkarımsal istatistiklerde (t-testi, regresyon) güvenilir sonuç vermiyor.
LOCF (Last Observation Carried Forward — son gözlemi taşıma): Uzunlamasına çalışmalarda eksik değer son bilinen değerle dolduruluyor. Değişimi görmezden geldiği için iyileşme küçümseniyor, kötüleşme abartılıyor.
Yöntem 3: Çoklu imputasyon (multiple imputation)
Modern istatistiğin önerdiği yöntem. Üç aşamada çalışıyor:
- İmputasyon: Eksik değerler tahmin edilerek (regresyon veya öngörücü ortalama eşleme, PMM) birden fazla tamamlanmış veri seti oluşturuluyor.
- Analiz: Her veri setinde ayrı ayrı analiz yapılıyor.
- Havuzlama: Sonuçlar Rubin kurallarıyla birleştiriliyor, ortalama ve varyans hesaplanıyor.
Belirsizliği hesaba katıyor, standart hatalar doğru çıkıyor, MAR varsayımı altında yanlılık oluşturmuyor. Teknik olarak karmaşık ama SPSS'te "Analyze → Multiple Imputation" menüsünden yapılabiliyor. Kaç veri seti üretileceği (m) sabit bir sayı değil: güncel rehber, m'in en az eksik veri yüzdesi kadar seçilmesini öneriyor (White ve ark. 2011). Bunun gerekçesini ve MICE/FIML gibi ileri yöntemleri eksik veri analizi yazımızda derinlemesine ele alıyoruz.
Akademik Not
Çoklu imputasyon MAR varsayımı gerektiriyor. MNAR şüphesi varsa duyarlılık analizi yapmak önemli: en kötü, en olumlu ve ara senaryolar için imputasyon yapıp sonuçları karşılaştırmak. Sonuçlar tutarlıysa bulgular dayanıklı, tutarsızsa dikkatli yorumlamak gerekiyor.
Hangi yöntem?
| Eksiklik Oranı | Mekanizma | Önerilen Yöntem |
|---|---|---|
| < %5 | MCAR | Liste bazlı silme |
| %5-20 | MCAR | Ortalama ile doldurma (betimleyici) veya çoklu imputasyon (çıkarımsal) |
| %5-20 | MAR | Çoklu imputasyon |
| %20+ | MAR | Çoklu imputasyon (zorunlu) |
| Herhangi | MNAR | Duyarlılık analizi + uzman desteği |
Raporlama
CONSORT ve STROBE kılavuzları eksik veri yönetiminin raporlanmasını gerektiriyor. Yöntem bölümünde eksik veri mekanizmasının nasıl değerlendirildiği, hangi yöntemin kullanıldığı ve imputasyon modeline hangi değişkenlerin dahil edildiği belirtilmeli. Sonuçlar bölümünde kaç hastada eksiklik olduğu ve eksik veri olanlarla olmayanlar arasında fark olup olmadığı raporlanmalı (Sterne ve ark. 2009).
Emin olunmadığında iki analiz yapmak işe yarıyor: hem liste bazlı silme hem çoklu imputasyon. Sonuçlar benzer çıkarsa sorun yok, farklı çıkarsa Tartışma bölümünde ele almak gerekiyor.
Eksik veriyi baştan önlemek
Eksik veriyi veri toplama sırasında en aza indirmek, analiz aşamasında çözmekten çok daha verimli. Prospektif çalışmalarda takip hatırlatmaları, esnek randevu saatleri ve alternatif iletişim kanalları yardımcı oluyor. Retrospektif çalışmalarda çoklu kaynak kullanımı (hastane kayıtları + e-Nabız + laboratuvar sistemi) eksikliği azaltıyor. Anket çalışmalarında zorunlu alan sayısını en azda tutmak ve hassas sorularda "Cevaplamak istemiyorum" seçeneği eklemek eksikliği ciddi oranda düşürüyor.
Eksik veri problemi her çalışmada farklı bir yaklaşım gerektiriyor. Model İstatistik CRO ekibi olarak hem istatistik analiz hem de veri kalitesi süreçlerinde araştırmacının yanında duruyoruz.
Kullanılan kaynaklar
- Rubin DB. Inference and missing data. Biometrika. 1976;63(3):581-592. · DOI
- Schafer JL, Graham JW. Missing data: our view of the state of the art. Psychological Methods. 2002;7(2):147-177. · PMID: 12090408
- Sterne JAC, White IR, Carlin JB, Spratt M, Royston P, Kenward MG, Wood AM, Carpenter JR. Multiple imputation for missing data in epidemiological and clinical research: potential and pitfalls. BMJ. 2009;338:b2393. · DOI
- White IR, Royston P, Wood AM. Multiple imputation using chained equations: issues and guidance for practice. Statistics in Medicine. 2011;30(4):377-399. · DOI