gms | German Medical Science

51. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V. (gmds)

10. - 14.09.2006, Leipzig

Imputation Methods for Missing Baseline Values

Meeting Abstract

Suche in Medline nach

  • Christina Ocklenburg - RWTH Aachen, Aachen

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (gmds). 51. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. Leipzig, 10.-14.09.2006. Düsseldorf, Köln: German Medical Science; 2006. Doc06gmds089

Die elektronische Version dieses Artikels ist vollständig und ist verfügbar unter: http://www.egms.de/de/meetings/gmds2006/06gmds159.shtml

Veröffentlicht: 1. September 2006

© 2006 Ocklenburg.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielfältigt, verbreitet und öffentlich zugänglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Bei der Auswertung klinischer Studien spielt die Behandlung von fehlenden Werten eine entscheidende Rolle. Da eine Complete Case Analysis dem Intention To Treat-Prinzip widerspricht, sind Methoden gefragt, die verhindern, dass Patienten mit teilweise fehlenden Werten aus der Auswertung ausgeschlossen werden [1].

Seit den späten 50er Jahren [2] wurde eine Vielzahl von Methoden zum Umgang mit fehlenden Werten entwickelt [3], [4].

Die meisten methodischen Betrachtungen zielen auf die Ersetzung fehlender Werte im zeitlichen Verlauf, wobei mindestens ein Ausgangswert vorliegen sollte. Im Bereich der Medizin liegen jedoch auf Grund von „Notfallbehandlungen“ häufig gerade zu Anfang der Untersuchung keine Daten vor. Wird eine Zielvariable betrachtet, die als Veränderung zum Ausgangswert definiert ist, so müssen alternative Methoden verfolgt werden, insbesondere dann, wenn im weiteren zeitlichen Verlauf Messungen vorliegen.

Im Vortrag soll eine Übersicht über Methoden zum Umgang mit fehlenden Werten gegeben und ihre Übertragbarkeit auf die Problematik der fehlenden Baseline-Werte diskutiert werden. Die Ergebnisse werden an Hand der Daten der SPR-Studie [5] und eigenen Simulationen präsentiert. Zur Überprüfung der Qualität der Auswertung wird eine Sensitivitätsanalyse durchgeführt.


References

1.
Committee for Proprietary Medicinal Products. Points to consider on Missing Data. 2001
2.
Afifi A, Elashoff, RM. Missing Observations in multivariate statistics I: Review of the Literature. JASA 1966; 61(315):595-605
3.
Little RJA, Rubin DB. Statistical Analysis with Missing Data. New York, NY: Wiley; 1987
4.
Schafer JL. Multiple Imputation: a primer. Statistical Methods in Medical Research 1999; 8: 3-15
5.
Heimann H, Hellmich M, Bornfeld N, Bartz-Schmidt KU, Hilgers RD, Foerster MH. Scleral buckling versus primary vitrectomy in rhegmatogenous retinal detachment (SPR Study): Design issues and implications. Graefe's Arch Clin Exp Ophthalmol 2001; 239: 567-574