Abstracto

Análisis de modelos de selección para ensayos clínicos longitudinales incompletos debido al abandono: una aplicación a datos de ensayos multicéntricos

Ali Satty

Un problema común que se encuentra en el análisis estadístico es el de los datos faltantes, que se produce cuando algunas variables tienen valores faltantes en algunas unidades. El presente artículo trata del análisis de mediciones continuas longitudinales con datos incompletos debido a un abandono no ignorable. En los datos de mediciones repetidas, como una solución a este problema, el modelo de selección supone un mecanismo de abandono dependiente del resultado y, en conjunto, tanto la medición como el proceso de abandono de las medidas repetidas. Consideramos la construcción de un tipo particular de modelo de selección que utiliza un modelo de regresión logística para describir la dependencia de los indicadores de abandono de la medición longitudinal. Nos centramos en el uso del modelo Diggle-Kenward como herramienta para evaluar la sensibilidad de un modelo de selección en términos de los supuestos de modelado. Nuestro principal objetivo aquí es investigar la influencia en la inferencia que podría ejercerse sobre los datos considerados por el proceso de abandono. Limitamos la atención a un modelo para medidas gaussianas repetidas, sujetas a un abandono potencialmente no aleatorio. Para investigar esto, llevamos a cabo una aplicación para analizar un ensayo clínico longitudinal incompleto con abandono utilizando un ejemplo práctico en forma de datos de un ensayo clínico multicéntrico.