欠測データと脱落

欠測データとは、収集される予定であったにもかかわらず得られなかった値のことであり、脱落とは、研究の過程で参加者が失われること、多くの場合、途中で研究を中止したり、追跡調査から外れたりすることです。これらはどちらも利用可能な情報を減少させ、さらに深刻なことに、値が欠測する可能性がその値が何であったかに関連している場合、結果に偏りをもたらす可能性があります。設計段階で欠測を予測し制限すること、および分析において適切に処理することは、研究の妥当性を維持するために不可欠です。

Definition

欠測データとは、記録されなかった意図された観測値であり、脱落とは、研究中に登録された参加者が失われることです。それらの影響は、欠測メカニズムに依存し、完全にランダムな欠測（いかなるデータとも無関係）から、ランダムな欠測（観測されたデータによって説明可能）、ランダムではない欠測（観測されていない値自体に関連する）まで多岐にわたります。

Scope

この項目では、欠測のタイプ（完全にランダムな欠測、ランダムな欠測、ランダムではない欠測）、バイアスと検出力に対する脱落の影響、設計と実施に組み込まれた予防戦略、および多重代入やintention-to-treatアプローチなどの原則に基づいた処理方法について説明します。これは方法論的な参考文献として構成されており、臨床的な指示を与えるものではありません。

Key concepts

• 完全にランダムな欠測（MCAR）
• ランダムな欠測（MAR）
• ランダムではない欠測（MNAR）
• 追跡不能と脱落
• 多重代入
• Intention-to-treat分析
• 完全ケース分析とそのバイアス
• 欠測仮定の感度分析

Mechanisms

欠測データによる脅威は、値が欠測する理由に依存します。欠測がいかなるデータとも無関係である場合（MCAR）、単純な分析は精度を失いますが、バイアスは残りません。観測された変数によって完全に説明できる場合（MAR）、多重代入などの方法により、観測された値から欠測値をモデル化することで、妥当な推定値を回復できます。観測されていない値自体に依存する場合（MNAR）、いかなる方法もバイアスのない結果を保証することはできず、結論は検証不可能な仮定に依存します。治療や予後に関連する脱落は、ランダム化によって生じたバランスを崩す可能性があり、そのためintention-to-treat分析では参加者を割り当てられたグループに留め、事後的な修正ではなく予防が強調されます。感度分析は、欠測に関する異なる仮定の下で結論がどのように変化するかを検討します。

Clinical relevance

欠測の量、理由、およびその処理方法を評価することは、研究結果が信頼できるかどうかを判断する一部です。なぜなら、高い脱落率や差動的な脱落は、効果を誇張したり隠したりする可能性があるからです。この項目は、評価のための研究方法論を説明するものであり、診断や治療のガイダンスの出典ではありません。

Evidence & guidelines

米国食品医薬品局（FDA）のために招集された専門家パネルは、試験の設計と実施を通じて欠測データを予防することの重要性を強調し、単一の分析的修正に依存することに対して警告しました。方法論的ガイダンスは、ランダムな欠測の仮定の下での多重代入とその落とし穴、および欠測結果を伴う試験のためのintention-to-treatフレームワークについて説明しています。CONSORTなどの報告基準は、脱落を文書化した参加者フロー図を要求しています。調査によると、intention-to-treatは実践においてしばしば一貫性のない定義と適用がなされています。

History

現代の枠組みは、1970年代のルービンによる欠測メカニズムの形式化と、リトルとルービンによる欠測データを用いた統計分析に関するその後の研究によって形成され、多重代入が導入されました。ランダム化比較試験が成熟するにつれて、intention-to-treatの原則は、ランダム化を損なうことなく脱落を処理する上で中心的なものとなりました。2010年の米国国家研究評議会報告書と、それに付随するFDA委託パネルは、後に欠測データを、事後的な統計的修正の問題というよりも、主に設計による予防の問題として再構築しました。

Debates

多重代入は、かなりの欠測データがある研究を救済できるか？

多重代入は、データがランダムに欠測している場合に妥当な推論を提供しますが、その妥当性はデータから検証できない仮定に基づいています。データがランダムに欠測していない場合、誤解を招く可能性があるため、保証された修正策というよりも、感度分析と併用すべきツールです。

intention-to-treatは欠測結果をどのように扱うべきか？

intention-to-treatは、バランスを維持するために参加者をランダム化されたグループに留めますが、結果が欠測している場合、欠測値に関する仮定なしには適用できません。この原則を代入法や感度分析とどのように組み合わせるかは、依然として実用的な課題です。

Key figures

• Roderick Little
• Donald Rubin
• Ian White
• Jonathan Sterne
• Douglas Altman

Seminal works

• little-2012-prevention
• sterne-2009-mi
• white-2011-itt

Frequently asked questions

データが欠測している理由が、欠測している量よりも重要なのはなぜですか？

欠測する可能性が観測されていない値に依存する場合、わずかな欠測データでも結果にバイアスをもたらす可能性があります。一方、値とは無関係な理由で欠測したデータは主に精度を損なうだけです。バイアスが発生するかどうか、そしてその程度は、量だけでなくメカニズムによって決まります。

intention-to-treat分析とは何ですか、また脱落にとってなぜ重要ですか？

intention-to-treatは、その後何が起こったかに関わらず、ランダム化されたグループの参加者を分析することで、ランダム化によって生じたバランスを維持します。脱落者を除外したり、治療を完了した者のみを分析したりすると、ランダム化が除去した交絡が再導入される可能性があるため、脱落にとって重要です。