R中多研究失访人数缺失值插补：mice结果异常的方法选择咨询

你之前常规插补流程失效的核心原因 #

运行默认mice流程出现的两类异常，本质是方法与当前数据的场景约束完全不匹配：

• 仅完成3个缺失值估算的问题：你的数据集是每一列对应1项独立研究、每一行对应固定随访时间点的结构，大量缺失值是同一研究列内跨连续多个时间点的整段缺失（比如某研究仅在基线和12个月有观测值，6周、3个月、6个月全为NA）。默认pmm方法需要从全数据池中匹配协变量相似的观测值作为插补参考，这类跨整段的缺失没有相邻的有效参考观测，pmm找不到合适的匹配样本，因此会保留大部分缺失值，无法完成全量插补。
• 插补值高于末次观测值的逻辑矛盾：常规pmm没有纳入“随访队列在组人数随时间单调非递增”的硬约束，仅从全数据集的数值分布中随机匹配参考值，完全不校验当前研究列的前期已知人数，因此会出现插补值高于前期观测值的不合理结果。

常见方法的适用性判断 #

• 常规无约束插补方法完全不适用：默认pmm、均值插补、随机插补这类没有内置单调性约束的方法，和失访计数的基本物理逻辑相悖——患者一旦失访就不会回到队列，各时间点在组人数只可能持平或下降，不可能回升，就算这类方法能完成全量插补，输出的结果也不符合临床随访的实际规律，无法直接用于失访规模估算。
• LOCF（末次观测值结转）不建议全量直接使用：LOCF的输出天然满足“人数不回升”的约束，不会出现值跳涨的问题，但它的核心假设是“患者在末次观测后完全没有失访，直到下一个观测时间点才一次性全部流失”。如果两个相邻已知观测的时间间隔很长（比如从基线直接跨到12个月，中间4个随访节点全缺失），LOCF会严重高估中间时间点的在组人数，最终大幅低估实际累计失访规模，仅适合两个已知观测间隔极短的场景使用。

适配当前数据场景的处理方案 #

针对你手里“逐研究记录固定时间点在组人数、存在跨节点缺失、要求人数单调非递增”的数据集，不需要硬套常规多重插补流程，按照失访的实际逻辑处理即可：

• 如果核心目标是估算全队列的失访规模，优先用线性分段插值法：对每一个独立研究列，找到按时间排序的两个相邻已知观测点（比如已知基线28人、12个月随访26人，中间6周、3个月、6个月全缺失），假设两个观测点之间的失访是匀速发生的，按时间比例拆分两个观测点的人数差值，计算出中间所有缺失时间点的在组人数。这种方法算出的所有中间值必然落在“前序已知值”和“后序已知值”的区间内，完全满足单调不回升的约束，相比LOCF的估算偏差更小，也不需要复杂的插补参数调整。
• 如果必须使用多重插补框架满足研究的统计要求，需要自定义mice的插补逻辑：强制插补的数值落在当前缺失位置的“前序相邻已知观测值”和“后序相邻已知观测值”的区间内，彻底避免出现人数回升的问题，不要直接用默认的pmm设置跑数。

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