¿Cómo manejan los estudios HEOR los datos faltantes? – Economista sanitario

3 min read


Esa es la pregunta respondida en un artículo de Mukherjee et al. (2023). Los autores definen un «estudio HEOR» para este artículo como

…estudios de evidencia del mundo real que realizaron un análisis secundario/post-hoc utilizando métodos aleatorios.
datos de ensayos controlados (ECA) y un análisis de costo-utilidad dentro del ensayo en el que el resultado de interés fueron los costos o PRO, incluidas las utilidades basadas en preferencias (p. ej., EQ-5D).

El enfoque más apropiado para imputar los datos faltantes depende de las suposiciones sobre cómo faltan los datos:

  • Desaparecido completamente al azar (MCAR): los valores observados o no observados de todas las variables en un estudio no tienen ninguna influencia en la probabilidad de que falte una observación
  • Desaparecido al azar (MAR). La probabilidad de que falten datos para una variable en particular está asociada con los valores observados de las variables (ya sean valores observados de otras variables en el conjunto de datos o valores observados para la misma variable en momentos anteriores) en el conjunto de datos, pero no con los datos faltantes. No se puede comprobar si MAR se cumple en un conjunto de datos.
  • Desaparecido no al azar (MNAR). En este caso, la probabilidad de que falten datos para una variable particular está relacionada con el valor subyacente de esa variable específica. MNAR puede ser ignorable (cuando los valores faltantes ocurren independientemente del proceso de recolección de datos) o no ignorable (cuando hay una causa estructural del mecanismo de faltante que depende de variables no observadas o del valor faltante mismo).

Para abordar los datos faltantes, se encuentran disponibles varias técnicas que incluyen: análisis de casos completos (CCA), análisis de casos disponibles (AC), imputación múltiple (MI), imputación múltiple por ecuación encadenada (MICE) y comparación de medias predictivas.

Para comprender mejor qué enfoques se utilizan comúnmente en la investigación de resultados y economía de la salud (HEOR), los autores realizaron una revisión sistemática de la literatura en PubMed y examinaron qué tipo de métodos estadísticos se utilizaron para abordar las medidas faltantes de costos, utilidad o resultados informados por los pacientes.

Los autores encontraron que la imputación múltiple, la imputación múltiple por ecuación encadenada y los análisis de casos completos eran los más utilizados:

De 1433 registros identificados, se incluyeron 40 artículos. Trece estudios fueron evaluaciones económicas. Treinta estudios utilizaron imputación múltiple, 17 estudios utilizaron imputación múltiple mediante ecuación encadenada, mientras que 15 estudios utilizaron un análisis de caso completo. Diecisiete estudios abordaron los datos faltantes de costos y 23 estudios abordaron los datos faltantes de resultados. Once estudios informaron un método único, mientras que 20 estudios utilizaron métodos múltiples para abordar los datos faltantes.

https://link.springer.com/article/10.1007/s40273-023-01297-0

Los autores señalan que si bien encontraron una gran cantidad de literatura metodológica HEOR sobre cómo manejar los datos faltantes en un contexto de ECA; sin embargo, hubo muy pocos estudios que intentaron implementar realmente estas recomendaciones e imputar los datos faltantes. Puedes leer el articulo completo aquí.



Source link

You May Also Like

More From Author

+ There are no comments

Add yours