《表4 基于SA组数据进行填补并设定调整参数δ时，不同δ情况下的主要指标估计值及其95%CI》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《临床研究缺失数据多重填补敏感性分析方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

首先，构建非随机缺失的填补模型。为体现非随机缺失的特点，设定基于对照组（SA组）数据的分布产生缺失数据的填补值，同时在填补值产生模型中设定调整参数δ。通过与临床研究者讨论，对于周CSBMs来说，如果便秘患者一周超过8次，显然不符合严重性便秘的诊断和正常的临床常识，故本研究将调整参数δ确定为8。产生填补值过程中的其他设置均与多重填补完全相同。然后，对缺失值共进行5次填补，对填补后的5个完整数据集采用与多重填补相同的协方差分析方法进行分析，参数设置完全相同，最后得到填补后的综合分析结果。表4表示，基于对照组（SA组）观测到数据的分布对缺失数据进行多重填补，并在填补模型中设定调整参数δ，δ不同时周平均CSBMs的估计值的变化情况。可以看出，主要指标周平均CSBMs差值的估计值随着调整参数δ的增大而逐渐减小。当调整参数δ为8时，分析结果是最极端的，其中两组主要指标周平均CSBMs差值的估计值为0.42次，95%CI为（0.05，0.79）次，差别仍有统计学意义。该结果与随机缺失假定下的分析结果（表3）是一致的，说明进行多重填补时关于随机缺失的假定是可靠的，多重填补分析的结果（表3）是可靠的。