求助：如何用R判断缺失数据关联性及与患者结局的关联

一、计算缺失数据的重叠比例 #

1. 成对变量的缺失交叉统计 #

先为目标变量生成缺失标记（1=缺失，0=非缺失），再通过交叉表直观查看重叠情况：

# 生成缺失标记列
df$HR_miss <- as.integer(is.na(df$HR))
df$SBP_miss <- as.integer(is.na(df$SBP))

# 基础交叉表（查看频数）
table(df$HR_miss, df$SBP_miss, dnn = c("HR缺失", "SBP缺失"))

# 百分比形式展示（更直观）
library(janitor)
tabyl(df, HR_miss, SBP_miss) %>% 
  adorn_percentages("row") %>% 
  adorn_pct_formatting(digits = 1) %>% 
  adorn_ns()

通过结果可以直接看到：HR缺失的患者中，同时存在SBP缺失的比例；反之亦然。

2. 全局缺失模式可视化 #

用mice包的md.pattern函数，一次性展示所有变量的缺失组合及对应样本量：

library(mice)
md.pattern(df, rotate.names = TRUE)

输出中，行代表一种缺失模式（1=数据存在，0=数据缺失），最右侧是该模式的样本数，最下方是每个变量的总缺失数。能快速识别哪些变量经常同步缺失。

3. 缺失标记的相关性分析 #

将所有变量的缺失标记转为矩阵，计算相关系数，相关性越高说明缺失重叠度越高：

# 生成所有变量的缺失标记矩阵
miss_matrix <- sapply(df, function(x) as.integer(is.na(x)))

# 计算皮尔逊相关系数
cor_miss <- cor(miss_matrix)
print(cor_miss)

# 可视化相关矩阵
library(corrplot)
corrplot(cor_miss, method = "circle", type = "upper", tl.col = "black")

二、检验特定结局与数据缺失的关联 #

1. 分类结局：卡方/Fisher精确检验 #

若结局是二分类或多分类变量，直接比较不同结局组的缺失比例差异：

# 构建结局与缺失标记的列联表
miss_outcome_tab <- table(df$outcome, df$HR_miss, dnn = c("结局", "HR缺失"))

# 卡方检验（样本量充足时）
chisq.test(miss_outcome_tab)

# Fisher精确检验（样本量较小时）
fisher.test(miss_outcome_tab)

若检验p值显著，说明不同结局组的缺失比例存在统计学差异。

2. 连续结局：t检验/方差分析 #

若结局是连续变量，比较缺失组与非缺失组的结局均值差异：

# 两独立样本t检验
t.test(df$outcome ~ df$HR_miss)

# 多组缺失情况（如多个变量缺失组合）用方差分析
anova(lm(outcome ~ HR_miss + SBP_miss, data = df))

3. 调整混杂因素：逻辑回归 #

如果需要控制其他协变量，以缺失标记为因变量、结局及协变量为自变量构建逻辑回归模型：

# 以HR缺失为因变量，纳入结局、年龄、性别作为协变量
miss_model <- glm(HR_miss ~ outcome + age + gender, 
                  data = df, family = binomial(link = "logit"))
summary(miss_model)

查看结局变量的OR值与p值：若OR>1且p<0.05，说明该结局对应的患者更易出现HR缺失。

补充说明 #

varclus包的核心功能是基于变量相关性进行聚类，并不针对缺失数据的重叠模式分析，因此不适用你的需求。上述方法均直接围绕你的核心目标设计，可根据数据集规模和变量类型灵活选择。

内容的提问来源于stack exchange，提问作者rchallenged