第九部分.缺失数据缺失数据一般分为完全随机缺失、随机缺失和非随机缺失。但是，临床研究中最常见的情况不是随机缺失的，如果缺失的数据与临床表现或研究结果相关，就会产生偏倚。数据缺失是较为常见的，为临床研究的结果分析和解释带来较大的挑战。对于临床试验，当发生数据缺失时，没有任何分析方法能够保证对治疗效果产生无偏倚的估计，如果数据是前瞻性收集的，那么在试验设计阶段防止数据丢失就显得十分必要，且同样适用于其他研究。因此，最好的方法是采取预防措施，在设计阶段尽量减少数据的丢失。在数据分析阶段并没有处理缺失数据的统一方法。需要强调的是，假设数据是否为随机缺失的合理性通常无法得到验证。常用的缺失数据处理方法有全数据集分析、缺失指标法、单值填补法、多重填补法和逆概率加权法。9.1统计报告标准报告所有主要和次要结局测量中缺失数据的频率。报告在所有建模中作为预测变量的数据缺失的频率。尽可能多地报告数据缺失的原因，并以此来告知读者关于数据缺失机制的主要假设，如完全随机缺失，随机缺失或非随机缺失。在主要缺失数据的假设下，使用有效的统计方法进行分析。采用敏感性分析，以证明在偏离主要缺失数据假设的情况下推论的稳健性或缺乏稳健性。提供足够的细节，让你的分析方法可以被重复。更多阅读：【视频教程】有缺失数据怎么办？介绍5种常见处理方法！第十部分.相关数据许多基本统计方法的一个关键假设是，观察结果是独立的。然而，研究也可以包括一些数据点，这些数据点不是完全独立的，而是相互关联的（例如，对同一患者长期重复的血压评估）。在相关数据的分析中忽略相关性，将会增大假阳性结果的风险。当存在相关数据时，必须谨慎确定并处理所涉及的关联结构。同样，为了批判性地评估是否对相关数据应用了适当的方法，有必要报告可能产生相关数据的抽样设计和数据方面的情况。10.1相关数据研究的设计、分析和报告报告研究对象是被分配的，还是以其他方式暴露在研究条件下，是单独暴露还是整群暴露。报告数据结构中观察的聚类水平（例如，在临床水平上对多个患者进行患者水平的纵向观察）。报告测量的内容和时间，包括测量次数，测量时间，随访时间等细节。报告遗漏测量和错误测量而产生缺失数据的细节，以及在分析中如何处理这些数据。所有关于聚类内观测结果相关性的假设都应加以说明。报告数据建模的关键细节，包括使用了什么联接函数，例如...
