【共克时艰】临床研究知识不停学

提问

解答

Answers

为满足疫情期间大家对临床研究咨询的需求，临床研究中心上周推出了“免费在线咨询服务”，反响热烈，并获得众多临床研究同道的一致好评。为进一步满足广大研究者的需求，临床研究中心推出最新栏目——“统计知识问与答”，保证在疫情期间，临床研究知识不停学。

临床研究数据的统计分析，是众多研究者十分感兴趣但同时又存在很多困惑的问题。想要写出高分论文，一取决于研究课题是否有价值，二则取决于研究数据是否合理分析。如何正确、有效率地进行数据分析？数据分析到底有没有什么宝典？第一期的统计知识问与答栏目，我们先来谈谈数据分析的第一步—数据清理这个问题。

数据收集完毕直接进行统计分析， t检验、卡方检验、回归分析…点点菜单就可以出结果。老板催得紧，赶快分析出结果发文章，来不及看看数据长什么样，数据分析就是跟时间赛跑。

但其实一个完整的数据分析，最复杂、最耗费时间的步骤往往就是弄清楚数据长什么样，有没有不干净的地方，也就是数据清理。“garbage in， garbage out”的道理大家都懂，所以宁可慢一点，认真细致地做好数据清理。

1） 不要随意删除有缺失数据的记录。

2） 对缺失值最好的处理方法是预防缺失的发生，即通过合理的研究设计、预试验、规范的项目管理和数据管理、调查员培训等方法尽量保证数据的完整性。

3） 缺失数据往往不可避免，处理方法是：先了解缺失的原因，尽可能找回原始数据。如果无法找回，则需要通过一些统计学方法来进行填补，常用的有以均值或中位数填补、末次观察前推法（Last observation carried forward，LOCF）和多重插补法（Multiple imputation）。

主要的识别方法是直方图（落在直方图两端较远距离数据）和箱式图（距离第25百分位数Q1或第75百分位数Q3的距离是四分位数间距IQR的1.5-3倍为轻度离群值，距离Q1或Q3的距离大于IQR的3倍为极端离群值）。识别之后不要轻易删除，而是通过敏感性分析，即纳入和排除离群值观察其对分析结果的影响，并如实汇报。

更多关于数据清理的信息

敬请关注和参与临床研究中心系列讲座！