觀察性研究中PSM的缺失數(shù)據(jù)處理策略演講人04/PSM中缺失數(shù)據(jù)的處理策略：方法、適用場景與操作要點03/缺失數(shù)據(jù)機制的理論基礎(chǔ)與診斷02/觀察性研究中PSM與缺失數(shù)據(jù)的關(guān)聯(lián)及挑戰(zhàn)01/觀察性研究中PSM的缺失數(shù)據(jù)處理策略06/策略實施中的注意事項與倫理考量05/不同缺失場景下的策略選擇與案例分析07/總結(jié)與展望目錄01觀察性研究中PSM的缺失數(shù)據(jù)處理策略02觀察性研究中PSM與缺失數(shù)據(jù)的關(guān)聯(lián)及挑戰(zhàn)觀察性研究中PSM與缺失數(shù)據(jù)的關(guān)聯(lián)及挑戰(zhàn)在觀察性研究中，傾向性評分匹配（PropensityScoreMatching,PSM）作為控制混雜偏倚、模擬隨機對照試驗（RCT）因果效應(yīng)的核心方法，其有效性高度依賴于協(xié)變量和結(jié)局數(shù)據(jù)的完整性。然而，現(xiàn)實世界的數(shù)據(jù)收集常因受試者失訪、測量誤差、拒絕回答等原因?qū)е氯笔?shù)據(jù)，這種“不完整性”不僅降低統(tǒng)計效能，更可能通過破壞PSM的核心假設(shè)（如強可忽略性假設(shè)）引入新的偏倚。例如，在一項探討降壓藥與心血管事件關(guān)聯(lián)的隊列研究中，若患者的基線血壓（關(guān)鍵協(xié)變量）或隨訪結(jié)局（如心肌梗死發(fā)生）存在系統(tǒng)性缺失，未處理直接進行PSM可能導(dǎo)致匹配組間協(xié)變量分布失衡，高估或低估藥物效應(yīng)。觀察性研究中PSM與缺失數(shù)據(jù)的關(guān)聯(lián)及挑戰(zhàn)作為長期從事觀察性數(shù)據(jù)分析的研究者，我深刻體會到：缺失數(shù)據(jù)是PSM應(yīng)用中“沉默的陷阱”。許多研究者簡單通過“刪除缺失樣本”（listwisedeletion）試圖解決問題，卻忽略了該方法在缺失比例較高時（>5%）會嚴重損失信息，且若缺失與結(jié)局或暴露相關(guān)，將產(chǎn)生選擇偏倚。因此，系統(tǒng)梳理PSM框架下的缺失數(shù)據(jù)處理策略，明確不同方法的適用場景與操作要點，是提升觀察性研究因果推斷可靠性的關(guān)鍵前提。本文將結(jié)合理論與實踐，從缺失數(shù)據(jù)機制診斷、具體處理方法、場景化選擇到倫理考量，為研究者提供一套完整的操作框架。03缺失數(shù)據(jù)機制的理論基礎(chǔ)與診斷缺失數(shù)據(jù)機制的分類與理論內(nèi)涵處理缺失數(shù)據(jù)的前提是明確其“缺失機制”（MissingMechanism），這一概念由Rubin（1976）提出，直接影響后續(xù)策略的選擇。根據(jù)概率分布特征，缺失機制可分為三類：1.完全隨機缺失（MissingCompletelyAtRandom,MCAR）指缺失數(shù)據(jù)的概率與觀測值及未觀測值均無關(guān)，即“缺失的發(fā)生純粹由隨機因素決定”。例如，在問卷調(diào)查中，因受訪者臨時有事中斷填寫導(dǎo)致的缺失。此時，缺失樣本與完整樣本在特征上無系統(tǒng)差異，刪除法（listwisedeletion）或簡單插補法（如均值插補）不會引入偏倚，但會損失統(tǒng)計效能。缺失數(shù)據(jù)機制的分類與理論內(nèi)涵2.隨機缺失（MissingAtRandom,MAR）指缺失數(shù)據(jù)的概率僅與已觀測變量有關(guān)，與未觀測的缺失值無關(guān)。例如，在老年研究中，高齡患者（已觀測到的年齡變量）更可能因行動不便失訪（導(dǎo)致隨訪結(jié)局缺失），但失訪與否與未觀測的“真實結(jié)局”無關(guān)。MAR是多數(shù)統(tǒng)計處理方法（如多重插補）的核心假設(shè)，此時通過建模觀測變量與缺失的關(guān)系，可有效估計缺失值分布。3.非隨機缺失（MissingNotAtRandom,MNAR）指缺失數(shù)據(jù)的概率與未觀測的缺失值本身直接相關(guān)。例如，在藥物不良反應(yīng)研究中，因藥物副作用嚴重（未觀測的“真實原因”）的患者更可能提前退出試驗（導(dǎo)致結(jié)局缺失），此時缺失與結(jié)局本身存在關(guān)聯(lián)，任何基于觀測數(shù)據(jù)的統(tǒng)計方法均可能產(chǎn)生偏倚，需結(jié)合敏感性分析評估結(jié)果穩(wěn)健性。缺失數(shù)據(jù)機制的診斷方法實踐中，缺失機制無法直接觀測，需通過統(tǒng)計檢驗與數(shù)據(jù)探索間接推斷：缺失數(shù)據(jù)機制的診斷方法描述性分析：缺失模式與分布特征-繪制“缺失模式圖”（mice::mdplot包inR），可視化不同變量的缺失組合（如“協(xié)變量A缺失+結(jié)局缺失”的比例）；-比較缺失組與完整組在關(guān)鍵協(xié)變量上的分布差異（如t檢驗、卡方檢驗），若存在顯著差異（如缺失組的年齡更高、疾病更嚴重），則提示可能偏離MCAR。缺失數(shù)據(jù)機制的診斷方法統(tǒng)計檢驗：Little'sMCAR檢驗原假設(shè)H?：數(shù)據(jù)為MCAR。若P>0.05，不能拒絕MCAR假設(shè)，可考慮刪除法或簡單插補；若P<0.05，則提示MAR或MNAR，需進一步結(jié)合專業(yè)判斷。例如，在一項關(guān)于糖尿病患者血糖控制的研究中，Little's檢驗P=0.03，且發(fā)現(xiàn)缺失糖化血紅蛋白（HbA1c）的患者病程更長（P<0.01），提示MAR可能性大（缺失與病程相關(guān)，而非HbA1c本身）。缺失數(shù)據(jù)機制的診斷方法專業(yè)背景知識：結(jié)合研究設(shè)計推斷機制統(tǒng)計檢驗需與領(lǐng)域知識結(jié)合。例如，在腫瘤臨床試驗中，若患者因“療效不佳”而提前退出（導(dǎo)致無進展生存期缺失），則缺失與“真實療效”相關(guān)，屬于MNAR；若因“工作調(diào)動”失訪，則可能與療效無關(guān)，更接近MAR。04PSM中缺失數(shù)據(jù)的處理策略：方法、適用場景與操作要點PSM中缺失數(shù)據(jù)的處理策略：方法、適用場景與操作要點針對不同缺失機制，PSM框架下的缺失數(shù)據(jù)處理需分階段、分層設(shè)計：先處理協(xié)變量缺失（確保傾向性評分估計準(zhǔn)確），再處理結(jié)局變量缺失（確保效應(yīng)估計無偏），同時兼顧PSM的“匹配平衡性”與“因果一致性”兩大核心目標(biāo)。以下從“協(xié)變量缺失處理”與“結(jié)局變量缺失處理”兩大維度展開具體策略。協(xié)變量缺失的處理策略：保障傾向性評分估計的可靠性協(xié)變量是PSM計算傾向性評分的基礎(chǔ)，其缺失直接暴露組與處理組的可比性。處理協(xié)變量缺失的核心原則是：在保留MAR假設(shè)的前提下，通過統(tǒng)計建模填補缺失值，確保匹配后協(xié)變量分布平衡。1.基于插補的方法：填補缺失值，保留樣本信息插補法通過“預(yù)測-填補”機制利用觀測數(shù)據(jù)信息估計缺失值，是目前處理協(xié)變量缺失的主流方法。根據(jù)插補復(fù)雜度可分為以下三類：協(xié)變量缺失的處理策略：保障傾向性評分估計的可靠性單一插補：簡單高效，但低估不確定性-均值/中位數(shù)插補：用協(xié)變量的觀測均值（連續(xù)變量）或眾數(shù)（分類變量）填補缺失。優(yōu)點是操作簡單，但會壓縮變量方差，導(dǎo)致傾向性評分估計過于集中，匹配后平衡性可能不佳。僅適用于MCAR且缺失比例極低（<1%）的場景。-回歸插補：以缺失變量為因變量，其他協(xié)變量為自變量建立回歸模型，預(yù)測缺失值。例如，用年齡、性別、基線疾病史預(yù)測缺失的收縮壓。優(yōu)點是比均值插補更準(zhǔn)確，但未考慮預(yù)測誤差，易導(dǎo)致傾向性評分方差低估。-熱平臺/冷平臺插補：從觀測樣本中尋找與缺失樣本“相似”的個體（如年齡±5歲、性別相同的患者），直接復(fù)制其協(xié)變量值（熱平臺）或通過調(diào)整復(fù)制（冷平臺）。適用于分類變量較多的小樣本研究，但依賴“相似”定義的主觀性。（2）多重插補（MultipleImputation,MI）：兼顧不確定性的協(xié)變量缺失的處理策略：保障傾向性評分估計的可靠性單一插補：簡單高效，但低估不確定性黃金標(biāo)準(zhǔn)MI由Rubin（1987）提出，核心是通過“m次插補→m次分析→結(jié)果合并”，同時反映缺失值估計的不確定性。其操作步驟為：-步驟1：選擇插補模型：根據(jù)變量類型選擇合適的模型（如連續(xù)變量用線性回歸、分類變量用logistic回歸、有序變量用有序logistic回歸）；-步驟2：生成m個插補數(shù)據(jù)集：通常m=5-20，通過馬爾可夫鏈蒙特卡洛（MCMC）算法（如mice包的`mice()`函數(shù)）實現(xiàn)；-步驟3：在每個數(shù)據(jù)集中進行PSM：采用相同匹配算法（如最近鄰匹配、卡鉗匹配）計算傾向性評分并匹配；協(xié)變量缺失的處理策略：保障傾向性評分估計的可靠性單一插補：簡單高效，但低估不確定性-步驟4：合并結(jié)果：用Rubin規(guī)則合并m個數(shù)據(jù)集的PSM結(jié)果（如平均處理效應(yīng)、標(biāo)準(zhǔn)誤），計算合并后的95%CI和P值。優(yōu)勢：MI能同時利用協(xié)變量間的相關(guān)性（如用“年齡、性別”預(yù)測“BMI”缺失），且通過多次插補和結(jié)果合并量化不確定性，是MAR假設(shè)下處理協(xié)變量缺失的首選。例如，在一項探討他汀類藥物與卒中預(yù)防的觀察性研究中，基線BMI缺失率達12%，采用MI（m=20）插補后，匹配組間BMI的標(biāo)準(zhǔn)差差值（SDRD）從0.35降至0.08，達到良好平衡（SDRD<0.1）。注意事項：-插補模型需包含所有用于PSM的協(xié)變量、結(jié)局變量及與缺失相關(guān)的變量（如“是否失訪”），避免“無信息變量”導(dǎo)致模型偏倚；協(xié)變量缺失的處理策略：保障傾向性評分估計的可靠性單一插補：簡單高效，但低估不確定性-對于分類變量水平較多的變量（如ICD-10疾病編碼），可先進行降維（如主成分分析）再插補，避免“維度災(zāi)難”。協(xié)變量缺失的處理策略：保障傾向性評分估計的可靠性機器學(xué)習(xí)插補：提升復(fù)雜關(guān)系的捕捉能力當(dāng)協(xié)變量間存在非線性或交互關(guān)系時，傳統(tǒng)回歸插補效果有限，可引入機器學(xué)習(xí)算法：-隨機森林插補（missForest包）：通過構(gòu)建決策樹森林預(yù)測缺失值，能自動捕捉變量間的非線性關(guān)系，適用于高維數(shù)據(jù)。例如，在電子病歷數(shù)據(jù)分析中，隨機森林對實驗室檢查值（如血肌酐）缺失的插補效果優(yōu)于線性回歸（RMSE降低15%-20%）；-神經(jīng)網(wǎng)絡(luò)插補（mice包的`meth`函數(shù)）：通過多層感知器學(xué)習(xí)變量間的復(fù)雜映射，適合大規(guī)模數(shù)據(jù)集，但需注意過擬合風(fēng)險（可通過交叉驗證調(diào)整層數(shù)與節(jié)點數(shù)）。協(xié)變量缺失的處理策略：保障傾向性評分估計的可靠性基于加權(quán)的方法：通過調(diào)整權(quán)重減少偏倚若協(xié)變量缺失比例較高（>20%）或插補后仍無法平衡，可考慮基于逆概率加權(quán)（InverseProbabilityWeighting,IPW）的PSM框架：協(xié)變量缺失的處理策略：保障傾向性評分估計的可靠性IPW-PSM雙重校正-第一步：計算協(xié)變量缺失的逆概率權(quán)重：以“協(xié)變量是否缺失”為因變量，其他協(xié)變量為自變量建立logistic回歸模型，預(yù)測缺失概率，計算權(quán)重`w_i=1/π_i`（π_i為個體i缺失的概率）；-第二步：計算傾向性評分權(quán)重：按常規(guī)PSM計算傾向性評分，再計算逆概率權(quán)重（如ATM權(quán)重、重疊權(quán)重）；-第三步：加權(quán)PSM：將“協(xié)變量缺失權(quán)重”與“傾向性評分權(quán)重”相乘，得到最終權(quán)重，在加權(quán)樣本中進行匹配或分層分析。適用場景：當(dāng)缺失機制為MAR，但插補后仍存在殘留混雜時，IPW能有效調(diào)整“缺失”與“暴露”的關(guān)聯(lián)。例如，在一項關(guān)于職業(yè)暴露與呼吸系統(tǒng)疾病的研究中，暴露史（關(guān)鍵協(xié)變量）缺失率達25%，采用IPW-PSM后，匹配組間的暴露史分布標(biāo)準(zhǔn)化差異從0.42降至0.09，且結(jié)果與完整數(shù)據(jù)分析一致。協(xié)變量缺失的處理策略：保障傾向性評分估計的可靠性穩(wěn)健加權(quán)法：降低極端權(quán)重影響IPW的極端權(quán)重（如π_i接近0時w_i過大）會放大估計誤差，可對權(quán)重進行修剪（如取99%分位數(shù)）或使用穩(wěn)健標(biāo)準(zhǔn)誤（如“泰勒線性化”方法）。結(jié)局變量缺失的處理策略：確保因果效應(yīng)估計的無偏性結(jié)局變量缺失直接影響處理效應(yīng)的直接估計，其處理需同時考慮“缺失機制”與“PSM后的樣本代表性”。核心原則是：在匹配平衡的基礎(chǔ)上，通過建模結(jié)局與協(xié)變量、暴露的關(guān)系，估計缺失結(jié)局的“潛在結(jié)局”。結(jié)局變量缺失的處理策略：確保因果效應(yīng)估計的無偏性基于模型的方法：直接估計處理效應(yīng)（1）混合效應(yīng)模型（MixedEffectsModels）將PSM匹配后的對子（或分層）作為隨機效應(yīng)，納入結(jié)局模型，同時考慮“缺失與否”的協(xié)變量。例如，在匹配后的隊列中，建立線性混合模型：\[Y_{ij}=\beta_0+\beta_1T_i+\beta_2X_{ij}+u_j+\epsilon_{ij}\]其中，\(Y_{ij}\)為個體j在第i次隨訪的結(jié)局，\(T_i\)為處理組，\(X_{ij}\)為協(xié)變量，\(u_j\)為對子隨機效應(yīng)。若結(jié)局缺失與觀測的協(xié)變量相關(guān)（MAR），可通過最大似然估計（MLE）獲得無偏的\(\beta_1\)（處理效應(yīng)）。結(jié)局變量缺失的處理策略：確保因果效應(yīng)估計的無偏性基于模型的方法：直接估計處理效應(yīng)優(yōu)勢：適用于縱向數(shù)據(jù)（如重復(fù)測量結(jié)局），能同時處理“結(jié)局缺失”與“組間相關(guān)性”。例如，在一項關(guān)于糖尿病管理干預(yù)的研究中，隨訪血糖值缺失率達18%，采用線性混合模型后，干預(yù)組的血糖降低幅度（-1.2mmol/L）與完整數(shù)據(jù)分析（-1.1mmol/L）接近，且標(biāo)準(zhǔn)誤更小。（2）模式混合模型（PatternMixtureModels）若結(jié)局缺失為MNAR（如因“療效差”失訪），需將樣本按“缺失模式”分組（如“完整結(jié)局”“早期失訪”“晚期失訪”），假設(shè)不同模式的結(jié)局分布存在差異，再通過加權(quán)調(diào)整各組比例。例如：-假設(shè)“早期失訪”組的真實結(jié)局比“完整組”差Δ（需根據(jù)專業(yè)設(shè)定或敏感性分析確定）；結(jié)局變量缺失的處理策略：確保因果效應(yīng)估計的無偏性基于模型的方法：直接估計處理效應(yīng)01-計算各模式的權(quán)重（如“完整組”權(quán)重=1-缺失比例，“早期失訪組”權(quán)重=缺失比例）；02-加權(quán)合并各模式的處理效應(yīng)估計。03適用場景：MNAR機制下的敏感性分析，需通過假設(shè)Δ的不同取值（如Δ=0、Δ=0.5SD）評估結(jié)果穩(wěn)健性。結(jié)局變量缺失的處理策略：確保因果效應(yīng)估計的無偏性基于插補與PSM結(jié)合的方法：填補潛在結(jié)局PSM的核心思想是“在相同協(xié)變量水平下比較處理效應(yīng)”，而結(jié)局缺失的本質(zhì)是“無法觀測個體的潛在結(jié)局”（potentialoutcomes）。因此，可結(jié)合“傾向性評分”與“多重插補”填補潛在結(jié)局：-步驟1：計算傾向性評分并匹配：先基于完整協(xié)變量數(shù)據(jù)完成PSM，得到匹配樣本；-步驟2：在匹配樣本中插補結(jié)局缺失：以“處理組”“匹配后協(xié)變量”“基線結(jié)局”（如有）為預(yù)測變量，建立多重插補模型填補結(jié)局缺失；-步驟3：估計處理效應(yīng)：在每個插補數(shù)據(jù)集中計算匹配組的結(jié)局差異（如均值差、OR），合并結(jié)果。結(jié)局變量缺失的處理策略：確保因果效應(yīng)估計的無偏性基于插補與PSM結(jié)合的方法：填補潛在結(jié)局優(yōu)勢：PSM確保了協(xié)變量平衡，多重插補則填補了結(jié)局缺失，二者結(jié)合能有效控制選擇偏倚與信息損失。例如，在一項關(guān)于手術(shù)與藥物治療冠心病的研究中，隨訪主要心血管事件缺失率達15%，采用“PSM+多重插補”后，手術(shù)組的風(fēng)險比（HR=0.75，95%CI：0.62-0.91）與RCT結(jié)果（HR=0.78）高度一致。3.加權(quán)PSM直接處理結(jié)局缺失：逆概率加權(quán)回歸校正（IPWRC）若結(jié)局缺失與暴露或協(xié)變量相關(guān)，可通過“結(jié)局缺失的逆概率權(quán)重”調(diào)整樣本代表性：-計算個體i的結(jié)局觀測概率\(P(R_i=1|X_i,T_i)\)（\(R_i=1\)表示結(jié)局觀測到，\(X_i\)為協(xié)變量，\(T_i\)為暴露）；-計算權(quán)重\(w_i=R_i/P(R_i=1|X_i,T_i)\)；-在加權(quán)樣本中進行PSM，并計算加權(quán)后的處理效應(yīng)。結(jié)局變量缺失的處理策略：確保因果效應(yīng)估計的無偏性基于插補與PSM結(jié)合的方法：填補潛在結(jié)局注意事項：IPWRC需滿足“positivity假設(shè)”（所有個體均有機會觀測到結(jié)局），否則權(quán)重?zé)o法計算。05不同缺失場景下的策略選擇與案例分析場景劃分：基于缺失變量與比例|缺失類型|缺失比例|典型場景|推薦策略||--------------------|--------------|---------------------------------------|-------------------------------------------||協(xié)變量缺失，MCAR|<5%|問卷隨機漏填|刪除法或均值插補||協(xié)變量缺失，MAR|5%-20%|基線指標(biāo)因失訪缺失|多重插補+PSM||協(xié)變量缺失，MAR|>20%|關(guān)鍵協(xié)變量系統(tǒng)性缺失（如經(jīng)濟數(shù)據(jù)）|IPW-PSM或機器學(xué)習(xí)插補+PSM|場景劃分：基于缺失變量與比例|結(jié)局變量缺失，MCAR|<10%|隨機測量誤差導(dǎo)致結(jié)局缺失|混合效應(yīng)模型或PSM+多重插補||結(jié)局變量缺失，MAR|10%-30%|隨訪失訪與觀測協(xié)變量相關(guān)|IPWRC或PSM+結(jié)局多重插補||結(jié)局變量缺失，MNAR|任意比例|因“療效/安全性”問題失訪|模式混合模型+敏感性分析|010302案例分析：一項關(guān)于“他汀類藥物與認知功能”的隊列研究研究背景：某醫(yī)院2015-2020年納入2000例老年高血壓患者，探討他汀類藥物使用（暴露）與3年后認知功能（MMSE評分，結(jié)局）的關(guān)聯(lián)。關(guān)鍵協(xié)變量包括年齡、性別、基線MMSE、APOE4基因型、糖尿病史。數(shù)據(jù)缺失情況：基線APOE4基因型缺失率18%（因部分患者拒絕基因檢測），3年MMSE評分缺失率15%（因失訪或死亡）。處理步驟：1.缺失機制診斷：-APOE4缺失：Little's檢驗P=0.04，且缺失組與非缺失組的年齡（75.2±6.1vs.72.8±5.9，P=0.02）存在差異，提示MAR；-MMSE缺失：缺失組基線MMSE評分（22.1±3.2vs.24.5±2.8，P<0.01）較低，提示MAR（缺失與基線認知功能相關(guān)）。案例分析：一項關(guān)于“他汀類藥物與認知功能”的隊列研究2.協(xié)變量（APOE4）缺失處理：采用多重插補（mice包，預(yù)測變量：年齡、性別、基線MMSE、糖尿病史、他汀使用），生成20個插補數(shù)據(jù)集。在每個數(shù)據(jù)集中計算傾向性評分（logistic回歸，暴露=他汀使用，協(xié)變量=年齡、性別、基線MMSE、糖尿病史、APOE4），進行1:1最近鄰匹配（卡鉗值=0.2）。3.結(jié)局（MMSE）缺失處理：在匹配后的樣本中，以“他汀使用”“匹配后協(xié)變量”“基線MMSE”為預(yù)測變量，再次進行多重插補（m=20），合并各數(shù)據(jù)集的MMSE均值差（他汀組vs.非他汀組）。案例分析：一項關(guān)于“他汀類藥物與認知功能”的隊列研究4.結(jié)果與驗證：-匹配后：協(xié)變量標(biāo)準(zhǔn)化差異均<0.1，平衡性良好；-合并結(jié)果：他汀組MMSE評分較非他汀組高1.8分（95%CI：1.2-2.4，P<0.001）；-敏感性分析：采用模式混合模型假設(shè)MNAR（Δ=-0.5SD），結(jié)果仍顯示他汀保護效應(yīng)（HR=0.82，95%CI：0.71-0.95），表明結(jié)果穩(wěn)健。06策略實施中的注意事項與倫理考量注意事項1.避免“過度插補”：插補模型并非越復(fù)雜越好，當(dāng)變量間相關(guān)性較低時，復(fù)雜模型（如隨機森林）可能過擬合，導(dǎo)致插補值偏離真實分布。建議通過交叉驗證比較不同插補模型的預(yù)測誤差（如RMSE、AUC）。2.PSM參數(shù)的敏感性：缺失數(shù)據(jù)處理后，需