Uma comparação de métodos de múltiplas imputações para a análise de dados de sobrevivência com valores de covariáveis ​​ausentes relacionados ao resultado

Resumo

O modelo de taxas de falha proporcionais de Cox é comumente usado na área médica para investigar a associação entre o tempo de sobrevivência e covariáveis. No entanto, é bastante comum que a análise envolva covariáveis com valores ausentes. Uma suposição razoável é que os dados são censoring-ignorable MAR. Nesse caso, uma análise de casos completos produz estimativas viesadas para os coeficientes de regressão. Através de um estudo de simulação, comparamos três abordagens de imputação múltipla para uma covariável parcialmente observada quando o mecanismo de perda envolve o tempo de sobrevivência: (i) o método proposto por White e Royston (2009) que usa a função de taxa de falha acumulada em uma aproximação do modelo de imputação, (ii) o método descrito por Bartlett et al. (2015) que incorpora o modelo de Cox no processo de imputação, e (iii) a abordagem CART, um método conhecido por lidar com distribuições assimétricas, interações e relações não lineares. Os resultados da simulação mostraram que o método de White e Royston (2009) pode produzir estimativas severamente viesadas enquanto a abordagem CART subestima a incerteza da imputação resultando em baixas taxas de cobertura. O método de Bartlett et al. (2015) apresentou o melhor desempenho geral, com pequeno viés de pequenas amostras e taxas de cobertura próximas aos valores nominais. Os métodos de imputação são aplicados a um conjunto de dados de sobrevida de pacientes com doença de Chagas.