Missing Data Essentials Part 2: Statistical Approaches to Missing Data in Cardiovascular Studies

Christopher S Lee, PhD, RN, FAHA, FAAN, FHFSA

doi:10.1093/eurjcn/zvag128

Missing Data Essentials Part 2: Statistical Approaches to Missing Data in Cardiovascular Studies

2026-05-15

0

PRE

AI

C

Christopher S Lee, PhD, RN, FAHA, FAAN, FHFSA *

S

Shirin O Hiatt, MPH, MSN, RN

N

Nathan Dieckmann, Ph.D

J

Jill C Doyle, MS, CNM

Q

Quin E Denfeld, PhD, RN, FAHA, FAAN, FHFSA

DOI：10.1093/eurjcn/zvag128

原文链接

原文求助

摘要

En 中文

心血管护理及相关健康研究中数据缺失现象普遍。尽管处理缺失数据的传统方法看似简单直接，但存在显著局限性并可能引入偏差。相比之下，基于原则的方法，包括带链方程和不带链方程的多重插补以及全信息最大似然估计，提供了更稳健的方式来减少偏差并充分利用可用信息。这些处理缺失数据的方法可应用于缺失的自变量和因变量，本文作为方法学论文提供了实例来阐明每种方法。

Keyword:

Missing data

Multiple imputation

Full information maximum likelihood

Bias mitigation

Cardiovascular studies

Missing Data Essentials Part 2: Statistical Approaches to Missing Data in Cardiovascular Studies

摘要

期刊

机构

引用论文