ロジスティック回帰モデルでの検出の制限の対象となる検閲された共変量の欠落インジケーターアプローチ

目的：いくつかの生物医学的研究では、検出の限界以下のレベルでの測定アッセイが失敗したため、1つ以上の関心のある暴露が非ランダムの欠落を課す可能性があります。この問題は、タンデム質量分析ベースの技術を使用したメタボロームの研究で一般的に遭遇します。これらの研究で測定された多数の代謝物により、統計力を維持することは最も関心があります。この記事では、ロジスティックおよび条件付きロジスティック回帰モデルの欠落インジケーターアプローチの小さなサンプル特性を評価します。 方法：ネストされたケースコントロールまたは一致したケースコントロール研究デザインの場合、シミュレーションを使用した欠落インジケーター法に関連付けられたバイアス、パワー、およびタイプIエラーを評価します。不足しているインジケータアプローチを完全なケース分析といくつかの帰属アプローチと比較します。 結果：さまざまな設定の下で、欠落しているインジケータアプローチは、バイアス、平均四角誤差、およびパワーに関して、完全なケース分析とその他の帰属アプローチを上回ることを示しています。 結論：ネストされたケースコントロールと控えめなサンプルサイズの一致した研究デザインの場合、欠落しているインジケータモデルは情報の損失を最小限に抑え、したがって、使用されていた完全なケース分析およびその他の不正アプローチに魅力的な代替品を提供します。

PURPOSE: In several biomedical studies, one or more exposures of interest may be subject to nonrandom missingness because of the failure of the measurement assay at levels below its limit of detection. This issue is commonly encountered in studies of the metabolome using tandem mass spectrometry-based technologies. Owing to a large number of metabolites measured in these studies, preserving statistical power is of utmost interest. In this article, we evaluate the small sample properties of the missing indicator approach in logistic and conditional logistic regression models. METHODS: For nested case-control or matched case control study designs, we evaluate the bias, power, and type I error associated with the missing indicator method using simulation. We compare the missing indicator approach to complete case analysis and several imputation approaches. RESULTS: We show that under a variety of settings, the missing indicator approach outperforms complete case analysis and other imputation approaches with regard to bias, mean squared error, and power. CONCLUSIONS: For nested case-control and matched study designs of modest sample sizes, the missing indicator model minimizes loss of information and thus provides an attractive alternative to the oft-used complete case analysis and other imputation approaches.