Eksik Veri ve Uç Değer Analizi

Hayır, önemli olan eksik verinin oranından çok mekanizmasıdır. Rastgele oluşan (MCAR veya MAR) eksiklikler uygun impütasyon yöntemleriyle yönetilebilir ve sonuçlar güvenilir kalır. Oranı ve mekanizmayı istatistiksel testlerle birlikte değerlendirerek en doğru stratejiyi belirleriz; %20-30 oranında eksiklik bile doğru yöntemle ele alındığında çalışmanın geçerliliğini koruyabilir.

Bu kararı verinin doğasına ve araştırma sorunuza göre birlikte veriyoruz. Klinik olarak anlamlı uç değerler (örneğin gerçekten çok yüksek bir CRP değeri) korunmalıdır, çünkü klinik gerçekliği yansıtır. Veri giriş hatalarından kaynaklanan uç değerler ise düzeltilir veya çıkarılır. Her iki durumda da uç değerli ve uç değersiz analizleri karşılaştıran duyarlılık analizi yaparak sonuçlarınızın sağlamlığını gösteriyoruz.

Çoklu impütasyon güçlü bir yöntem olmakla birlikte her veri yapısına ve eksiklik mekanizmasına uygun olmayabilir. Özellikle MNAR (rastgele olmayan eksiklik) durumunda farklı yaklaşımlar gerekebilir. Eksik veri mekanizmasını ve örüntüsünü Little's MCAR testi gibi yöntemlerle analiz ettikten sonra çoklu impütasyon, EM algoritması, son gözlemi ileri taşıma veya model tabanlı yaklaşımlar arasından en uygun yöntemi birlikte belirliyoruz.

Eksik veri mekanizmasını Little's MCAR testi ve lojistik regresyon gibi yöntemlerle istatistiksel olarak raporluyoruz. Ardından duyarlılık analizi ile ana sonuçların farklı senaryolarda da tutarlı olduğunu gösteriyoruz. Hakem yanıtı için uygun açıklama metnini, eksik veri tablosunu ve duyarlılık karşılaştırma figürlerini birlikte hazırlıyoruz.

Çoğu SCI-E dergisi eksik veri oranının değişken bazında raporlanmasını, kullanılan yönetim stratejisinin gerekçelendirilmesini ve duyarlılık analizi sonuçlarının sunulmasını bekler. STROBE ve CONSORT kılavuzları da eksik veri raporlaması için özel maddeler içerir. Bu standartlara uygun, metodoloji bölümüne doğrudan eklenebilecek hazır bir açıklama metni sunuyoruz.