Пропущенные данные: как описывать и учитывать
Пропуски есть почти в любом наборе данных. Вопрос не в том, как их убрать, а в том, чтобы читатель понимал, сколько их, почему они возникли и как это влияет на выводы.
Ниже — как описывать пропуски и учитывать их в анализе.
Откуда берутся пропуски
Причины разные: участник не пришёл на визит, прибор не дал результат, запись потеряна, значение не входит в диапазон.
Каждая причина требует отдельного решения, поэтому их не объединяют в одну категорию.
Полезно различать пропуски, возникшие до включения в анализ и после. Первые иногда означают, что участник не подходил по критериям, вторые — что данные потерялись по ходу исследования, и трактовка у них разная.
Коды пропусков
Вместо пустой ячейки используют коды: не выполнено, не применимо, технический сбой, отказ участника. Коды должны быть понятны и одинаковы во всех формах.
Пустая ячейка не различима: она может быть и пропуском, и незаполненной записью.
Коды согласуют с теми, кто заполняет формы: если у исполнителя нет подходящего кода, он выберет первый попавшийся, и статистика причин станет бесполезной. Пяти-шести категорий обычно достаточно.
Доля пропусков
Для каждой переменной указывают долю пропусков от общего числа записей. Это простое число сразу показывает, какие показатели стоит обсуждать.
Обычно достаточно таблицы: переменная, число пропусков, доля.
Таблицу пропусков удобно строить по всем переменным сразу и смотреть на неё перед каждым анализом. Так видно, какие показатели придётся обсуждать, и не приходится возвращаться к этому вопросу дважды.
Описание в тексте
В статье пропуски описывают кратко: сколько их, из-за чего и как учитывались. Подробности выносят в приложение.
Формулировка должна быть проверяемой: «у 18 участников из 240 отсутствовала оценка на 12-й неделе».
Числа в описании пропусков должны совпадать с таблицей. Проверяют это так же, как таблицы результатов: механически, до сдачи текста.
Пропуски и анализ
Разные методы анализа по-разному работают с пропусками. Выбранный способ описывают в плане анализа до расчётов.
Если пропуски связаны с исходом, простое исключение записей может сместить результат.
Если пропуски связаны с тяжестью состояния или с реакцией на процедуру, исключение таких записей систематически смещает оценку. Именно поэтому способ учёта фиксируют до просмотра результатов, а не подбирают удобный.
Исключение целых записей
Когда исключают участника целиком, это фиксируют и объясняют. Частичное исключение (только отдельные значения) и полное дают разные наборы данных.
Для каждого анализа полезно указать, сколько участников в него вошло.
Если число исключённых участников велико, полезно показать, чем они отличаются от остальных по доступным признакам. Это помогает понять, случайны ли пропуски или связаны с характеристиками участников.
Чувствительность
Если пропусков много, проверяют, изменится ли вывод при другом способе их учёта. Такой анализ чувствительности приводят кратко и отдельно от основного.
Если вывод устойчив, это стоит написать прямо.
Достаточно двух вариантов: основной и альтернативный. Большее число вариантов усложняет текст и почти никогда не меняет вывод, зато требует объяснений, почему выбраны именно эти способы.
Технические пропуски
Сбои приборов и ошибки обмена данными отличают от клинических причин. Первые обычно устраняют повторным измерением, вторые — нет.
Смешение этих категорий искажает описание.
Пропуски в датах
Даты требуют отдельного внимания: неполная дата не всегда то же, что отсутствующая. Частичные даты обозначают так, чтобы их нельзя было спутать с полным значением.
В расчётах интервалов частичные даты обрабатывают по заранее заданному правилу.
Для частичных дат заранее решают, как считать интервалы: по первому или последнему возможному дню. Правило должно быть единым для всех участников, иначе интервалы окажутся несопоставимыми.
Проверка перед анализом
Перед расчётами смотрят таблицу пропусков по всем ключевым переменным. Неожиданно высокая доля где-либо — сигнал проверить процесс сбора. Выборочная проверка похожа на осмотр ноутбука перед покупкой: смотрят не всё подряд, а ключевые места.
Иногда причина в настройке формы, а не в данных.
Если доля пропусков по переменной неожиданно высока, проверяют, не отключена ли подсказка или проверка в электронной форме. Такие технические причины находятся быстро и устраняются до выгрузки.
Что писать в отчёте
В отчёте указывают общее число пропусков, распределение по причинам, способы учёта и результат анализа чувствительности.
Этого достаточно, чтобы читатель понял ограничения.
Если анализ чувствительности дал другой вывод, это не провал, а важная информация. Её указывают рядом с основным результатом и объясняют, при каких условиях вывод меняется.
Пример: пропуски в одном визите
Если из 240 участников 18 не пришли на 12-ю неделю, доля пропусков — 7,5 %. Указывают, как эти участники учитывались в основном анализе.
Затем проверяют, меняется ли вывод, если исключить их полностью: так читатель видит устойчивость результата.
Чек-лист
- Причины пропусков классифицированы.
- Используются понятные коды.
- Доля пропусков рассчитана по каждой переменной.
- Способ учёта указан в плане анализа.
- Число участников в каждом анализе известно.
- Проведён анализ чувствительности.
- Технические пропуски отделены от клинических.
- Описание проверяемо по числам.
Частые вопросы
Всегда ли нужно заполнять пропуски?
Нет. Часто достаточно честно описать их и учесть в анализе.
Что делать с пропусками в ключевом исходе?
Описывать отдельно и проверять, как они влияют на вывод.
Можно ли удалить все записи с пропусками?
Можно, но это меняет выборку, и это нужно указать и обосновать.
Как показывать пропуски в таблицах?
Отдельным обозначением с расшифровкой в сноске.