除外または誤分類された包含基準を持つ研究における多重置換分散推定

Multiple Imputation Variance Estimation in Studies with Missing or Misclassified Inclusion Criteria.

• Mark J Giganti
• Bryan E Shepherd

抄録

日常的に収集されたデータを用いた観察研究では、高いレベルの欠落度または誤分類を持つ変数が、ある観察が分析に含まれるかどうかを決定することがある。組入基準が入力後に評価される設定では、Rubinによって提案された一般的な多重入力分散推定器（"Rubinの規則"（RR））は、入力と分析モデル間の非互換性のために偏っている。代替的なアプローチは存在するが、ほとんどの解析者はそれに精通していない。HIVコホートからの部分的に検証されたデータを用いて、研究の除外基準が入力されなければならない変数に基づいているシナリオにおいて、Robins and Wang (RW)によって提案された入力分散推定器の計算を例示する。対数オッズの対応する入力分散推定値は、RWを用いた場合、RRと比較して29％小さくなった。さらに、これら2つの分散推定量をシミュレーション研究で比較したところ、RRに基づく95％信頼区間のカバー率が高すぎて、より多くのオブザベーションが入力され、より多くの被験者が解析から除外されるにつれて悪化することが示された。RWインputation分散推定器は、はるかに良好なパフォーマンスを示し、インputationと解析モデルの間に非互換性がある場合に採用されるべきである。将来の解析者がこの方法を実装する際に役立つように、解析コードを提供します。

In observational studies using routinely collected data, a variable with a high level of missingness or misclassification may determine whether an observation is included in the analysis. In settings where inclusion criteria are assessed after imputation, the popular multiple imputation variance estimator proposed by Rubin ("Rubin's rules" (RR)) is biased due to incompatibility between imputation and analysis models. While alternative approaches exist, most analysts are not familiar with them. Using partially validated data from an HIV cohort, we illustrate the calculation of an imputation variance estimator proposed by Robins and Wang (RW) in a scenario where the study exclusion criteria are based on a variable that must be imputed. The corresponding imputation variance estimate for the log odds was 29% smaller using RW relative to RR. We further compared these two variance estimators with a simulation study that showed coverage probabilities of 95% confidence intervals based on RR were too high and became worse as more observations were imputed and more subjects were excluded from the analysis. The RW imputation variance estimator performed much better and should be employed when there is incompatibility between imputation and analysis models. We provide analysis code to aid future analysts in implementing this method.

© The Author(s) 2020. Published by Oxford University Press on behalf of the Johns Hopkins Bloomberg School of Public Health. All rights reserved. For permissions, please e-mail: journals.permissions@oup.com.