Recherche observationnelle · Données manquantes
Rapporter les données manquantes : effectifs par variable, analyses et hypothèses
Vous disposez d’un dictionnaire et de résumés des données manquantes ? Définissez la population concernée par chaque mesure, rapprochez les effectifs de chaque analyse et documentez méthode, hypothèses et analyses de sensibilité. Cette page fournit un tableau synthétique et une demande IA adaptable, sans décider d’exclure ou d’imputer.
Ce guide concerne les études médicales de cohorte, cas-témoins et transversales. Les items STROBE 12(c), 14(b) et leur explication demandent de décrire le traitement des données manquantes et leurs effectifs pour chaque variable d’intérêt. Le parcours des participants doit aussi expliquer les exclusions pour données manquantes. Un compte rendu complet ne prouve ni la pertinence de la méthode ni l’absence de biais.
Tous les effectifs ci-dessous sont pédagogiques et synthétiques : ni données de patients, ni résultats réels, ni exécution logicielle. Les livrables visés sont un tableau par variable, un rapprochement des dénominateurs et un brouillon avec sources et questions en suspens. Les chiffres définitifs doivent provenir de sorties vérifiées d’une analyse contrôlée.
Préparer des documents pouvant être rapprochés
Échantillon et dictionnaire
Fournissez sources autorisées, versions, unité d’étude, critères d’éligibilité et temps d’observation. Précisez population concernée, unités, filtres et codes spéciaux par champ. Séparez non-applicabilité structurelle, refus, échec de mesure et cause inconnue ; ne devinez pas le sens d’un code numérique.
Résumés déterministes et chevauchements
Fournissez effectifs concernés, observés et manquants ainsi que les raisons, par variable et si nécessaire par groupe ou temps. Obtenez aussi les effectifs conjoints manquants ou complets pour les variables de chaque analyse. Ne transmettez pas de valeurs individuelles de patients au modèle et ne déduisez pas les effectifs conjoints des marges.
Plan d’analyse et sorties réelles
Listez critère de jugement, exposition, variables d’ajustement, population cible et traitement prévu pour chaque modèle. Joignez effectifs réels, logiciel/version et écarts au plan. Signalez comme en attente les méthodes non décidées ou non exécutées, sans les présenter comme réalisées.
Livrable 1 : un tableau avec dénominateurs explicites
Supposons 500 participants uniques éligibles. Y, X et C concernent les 500. Z n’est recueilli que dans un sous-groupe prédéfini de 80 ; les 420 autres ne sont pas concernés et restent hors du dénominateur de données manquantes pour Z. Les raisons ne sont pas vérifiées : ne les inventez pas.
| Variable | N concerné | N observé | N manquant / % | Note |
|---|---|---|---|---|
| Critère Y | 500 | 480 | 20 / 4% | Raison à confirmer |
| Exposition X | 500 | 465 | 35 / 7% | Raison à confirmer |
| Variable d’ajustement C | 500 | 485 | 15 / 3% | Raison à confirmer |
| Mesure de sous-groupe Z | 80 | 76 | 4 / 5% | 420 non concernés ; raison à confirmer |
Chaque ligne respecte N concerné = N observé + N manquant. Effectifs et pourcentages sont non pondérés ; les estimations pondérées d’enquêtes complexes nécessitent un libellé séparé et ne se déduisent pas du tableau. Ajoutez groupes ou temps selon le protocole. Perte de suivi, défaut d’appariement et champ manquant ne sont pas synonymes.
Livrable 2 : rapprocher les échantillons avec les effectifs conjoints
Supposons un décompte synthétique supplémentaire vérifié : 20 personnes sans Y, 35 sans X et 8 sans les deux. Parmi les mêmes 500, au moins une valeur manque pour 20+35−8=47 personnes ; 500−47=453 ont Y et X observés. Cet effectif concerne uniquement l’ensemble Y/X.
Si le plan justifie une analyse exigeant seulement Y et X complets, 453 est un effectif candidat de cas complets, sous réserve des autres critères et des sorties réelles. En ajoutant C, ne soustrayez pas simplement 15 : les absences de C peuvent chevaucher les 47 précédentes. Obtenez l’effectif conjoint complet Y/X/C. Z ne devient pas une variable du modèle par sa seule présence dans le tableau.
Extrait de brouillon (description synthétique uniquement) : « Sur 500 participants inclus, Y manquait pour 20, X pour 35 et les deux pour 8 ; 453 avaient Y et X observés. L’effectif conjoint complet après ajout de C reste à calculer. Les raisons et la stratégie analytique doivent être confirmées par le chercheur. » Cela n’affirme pas qu’une analyse en cas complets a été exécutée.
Livrable 3 : distinguer méthode, hypothèses et sensibilité
Rapporter la méthode décidée et réellement utilisée
Pour les cas complets, précisez variables requises, échantillons réels, exclusions et conséquences possibles sur population et biais. Pour l’imputation multiple, rapportez variables, méthodes/modèles, nombre d’imputations, diagnostics, règles de combinaison et échantillons analysés. Appuyez-vous sur le vrai plan et les sorties, sans copier les paramètres d’un autre article.
Le mécanisme est une hypothèse, pas une étiquette de pourcentage
MCAR signifie que l’absence ne dépend ni des données observées ni des non observées. Sous MAR, conditionnellement aux données observées, elle ne dépend plus de la valeur manquante ; sous MNAR elle peut encore en dépendre. Pourcentages, comparaisons ou test isolé ne prouvent pas MAR plutôt que MNAR. Discutez la plausibilité à partir du recueil et conservez les raisons inconnues comme telles.
Préciser l’hypothèse mise à l’épreuve
Une analyse de sensibilité examine une hypothèse précise de données manquantes ou une différence de population ; comparez la même estimation cible et son incertitude à l’analyse principale et expliquez les écarts. « Des analyses de sensibilité ont été faites » ne suffit pas. Marquez les travaux non réalisés comme proposés/en attente ; n’inventez pas d’estimation et ne confondez pas proximité des résultats et absence de biais.
Utiliser l’IA pour organiser un brouillon vérifiable
Entrée suggérée adaptable, non trace d’exécution
Utilise uniquement mon dictionnaire autorisé, les résumés, effectifs conjoints, plan convenu et sorties réelles. Prépare : (1) effectifs concernés/observés/manquants et dénominateurs par variable ; (2) ensembles de variables et effectifs réels par analyse ; (3) brouillon des méthodes et hypothèses ; (4) sensibilité réalisée ou prévue ; (5) liens aux sources et questions non résolues. Vérifie d’abord calculs et chevauchements. Si les effectifs conjoints ne sont pas calculables, indique les informations manquantes. Distingue non-applicabilité structurelle et absence. Ne déduis pas MCAR/MAR/MNAR, ne choisis ni exclusion ni imputation, ne génère pas de résultats et ne présente pas un projet comme réalisé. Documents : [versions/autorisations, dictionnaire, résumés, plan, sorties].
La remise doit relier chaque énoncé à son fondement, son statut et ses questions ouvertes, pas seulement fournir un texte soigné. L’exemple de 500 personnes est exclusivement pédagogique. Revérifiez tous les effectifs en changeant de documents ; ne réutilisez pas les chiffres illustratifs et n’inventez pas de traces d’exécution.
Six vérifications humaines avant transmission
- Les dénominateurs concernés et codes spéciaux ont-ils une source ?
- Les effectifs et pourcentages sont-ils recalculables, avec chevauchements vérifiés séparément ?
- Les dénominateurs du tableau 1, du diagramme et des modèles sont-ils définis et leurs différences expliquées ?
- Méthodes, paramètres d’imputation et échantillons proviennent-ils d’une exécution réelle ?
- Raisons, hypothèses, statut des analyses de sensibilité et limites sont-ils conservés honnêtement ?
- L’IA ne reçoit-elle que des agrégats autorisés/publics, sans données individuelles de patients ?
Questions fréquentes
Peut-on omettre moins de 5 % de données manquantes ?
Aucun seuil universel ne dispense de les rapporter. STROBE demande les effectifs par variable d’intérêt et leur traitement. Un faible taux ne prouve pas l’absence de biais et n’autorise pas une exclusion automatique.
Les effectifs marginaux suffisent-ils pour la taille du modèle ?
Généralement non. Il faut les variables du modèle, les règles d’applicabilité et les effectifs conjoints manquants/complets. Les marges ne donnent pas les chevauchements ; on ne soustrait pas les colonnes successivement.
Cette page exécute-t-elle imputations ou statistiques ?
Non. Elle fournit une méthode de compte rendu et une entrée suggérée ; aucune imputation ni aucun modèle n’a été choisi, exécuté ou validé. Les chercheurs décident selon le protocole et un avis statistique approprié.
Sources vérifiées
Les sources officielles ont été vérifiées le 2026-10-17; les conditions et dates sont revérifiées avant publication.
- STROBE officiel : choisir la liste selon le plan observationnel
Exigences de traitement et d’effectifs par variable ; non score de qualité.
- Explication STROBE : items 12(c), 14(b) et encadré 6
Raisons, échantillons, hypothèses et limites de la démonstration de MAR plutôt que MNAR à partir des données observées.
Des documents aux livrables vérifiables
Organiser un brouillon dans RigorMed avec vos agrégats
Décrivez cette tâche de rédaction scientifique dans l’espace de travail du navigateur, avec dictionnaire, agrégats et plan autorisés. Demandez tableau des données manquantes, rapprochement des dénominateurs et questions ouvertes. Vérifiez documents, tâches prises en charge et crédits avant de commencer ; aucune imputation automatique, exécution statistique ou approbation professionnelle n’est promise.