Представим продольное исследование 2 000 пациентов. Исследователи наблюдают их в течение трёх лет, чтобы изучить связь между лечением и сердечно-сосудистыми исходами. В конце наблюдения данные об исходе есть у 1 650 участников. Что делать с оставшимися 350? Самый простой вариант — исключить их из анализа. В некоторых исследованиях это может быть приемлемо. В других — существенно изменить полученную оценку. Рассмотрим два сценария. Сценарий 1 Участники с отсутствующими данными по исходу в целом похожи на тех, у кого данные есть. Вероятность пропуска не связана с важными характеристиками участников. Исключение таких наблюдений может в основном уменьшить размер выборки. Сценарий 2 Участники, у которых возникают ранние побочные эффекты, чаще прекращают посещать контрольные визиты. Теперь отсутствие данных связано с изучаемым состоянием. 350 исключённых участников уже не являются случайной группой наблюдений. Их отсутствие может изменить состав анализируемой популяции. Именно поэтому в эпидемиологии важно понимать механизм возникновения пропущенных данных. Три распространённых механизма MCAR — Missing Completely At Random Вероятность пропуска не связана ни с наблюдаемой, ни с ненаблюдаемой информацией. MAR — Missing At Random Пропуск может зависеть от уже наблюдаемой информации, но после учёта этой информации не зависит от самого отсутствующего значения. MNAR — Missing Not At Random Вероятность пропуска зависит от информации, которая остаётся ненаблюдаемой, включая потенциально само пропущенное значение. Определить механизм непосредственно по датасету удаётся не всегда. Это предположения о процессе, который привёл к отсутствию наблюдений. И от этих предположений зависит выбор метода анализа. Complete-case analysis, inverse probability weighting, multiple imputation и другие подходы основаны на определённых предположениях о механизме пропусков. Например, multiple imputation может быть полезным методом, если его предпосылки правдоподобны, а модель импутации правильно специфицирована. Это не универсальное решение проблемы missing data. Поэтому процент пропущенных данных — только часть информации. 5% пропусков могут представлять серьёзную проблему, если их возникновение тесно связано с исходом. И наоборот, 20% пропусков не обязательно делают исследование непригодным, если механизм хорошо понят и корректно учтён в анализе. При работе с датасетом полезно задать три вопроса: Сколько информации отсутствует? У кого или у каких измерений она отсутствует? Какой процесс мог привести к этим пропускам? Третий вопрос часто оказывается самым сложным — и одним из самых важных. Потому что механизм возникновения пропусков является частью процесса формирования данных, а этот процесс может повлиять на итоговую оценку.