醫學論文缺失資料怎麼報告？逐變項人數、分析分母與處理假設

先準備可相互對照的材料

1. 研究樣本與資料字典

   提供有權使用的來源、版本、研究單位、納排規則與觀察時點；逐欄說明適用人群、單位、跳題及特殊編碼。結構性不適用、拒答、測量失敗與未知原因分開記錄，不猜數字代碼的語意。

2. 確定性彙總與重疊計數

   提供逐變項適用、有效、缺失人數與原因，必要時按組/時點彙總；另取得各分析變項集合的聯合缺失或完整紀錄人數。不向模型提供病人逐列值，也不用邊際缺失表猜聯合人數。

3. 分析計畫與實際輸出

   列出每個模型的結局、暴露、調整變項、目標人群及預定缺失方法；附實際分析人數、軟體/版本與計畫偏離。尚未選擇或執行的方法標為待確認，不把計畫寫成完成。

產物一：逐變項缺失表，每列註明分母

假設符合納入條件的唯一參與者共500人。Y、X、C適用於全部500人；Z只在預設80人次群體採集，其餘420人不適用，不計入Z的缺失分母。原因尚未核實，不可補寫。

每列皆符合適用人數=有效人數+缺失人數。這是未加權人數與比例；複雜抽樣的加權估計須另標，不能由人數表推算。真實研究依設計補充分組或時點，不混用失訪、未匹配與欄位缺失。

產物三：分開寫實際方法、假設與敏感度

1. 只寫已確定且執行的方法

   若採完整個案分析，寫清各分析所需變項、實際樣本及排除規則，討論樣本改變與可能偏誤。若採多重插補，報告納入變項、方法/模型、插補次數、診斷、結果合併規則及實際樣本；依真實計畫與輸出填寫，不照搬他文參數。

2. 缺失機制是假設，不是缺失率標籤

   MCAR指缺失機率不依賴觀測與未觀測資料；MAR指給定已觀測資料後不再依賴缺失值本身；MNAR仍可能依賴缺失值。百分比、組間比較或一次檢定都不能證明MAR而排除MNAR。結合蒐集過程討論合理性，原因未知就保留未知。

3. 預先說明要挑戰哪個假設

   敏感度分析應針對具體缺失假設或分析人群差異，與主要分析比較同一目標估計及不確定性，解釋差異。僅寫「做了敏感度分析」不足；未執行者列為建議/待辦，不編估計值，也不把結果接近當成無偏誤的證明。

用AI把材料整理成可審閱草稿

1. 可複製的建議輸入（不是執行紀錄）

   請只依我提供的合法資料字典、缺失彙總、聯合人數、已定計畫與實際輸出，整理：①逐變項適用/有效/缺失人數與分母；②各分析變項集合及實際人數對照；③方法與缺失假設草稿；④敏感度分析已執行/計畫狀態；⑤逐項依據與待確認清單。先查算術與重疊，無法算聯合人數時明列缺少什麼。區分結構性不適用與缺失；不推斷MCAR/MAR/MNAR、不自行決定刪除或插補、不生成結果、不把計畫寫成已執行。材料：[版本與授權、字典、彙總、計畫、輸出]。

   交付應保留「內容—依據—狀態—待確認事項」的對應，不只是潤飾段落。500人範例僅供教學；換材料後重核所有計數，不沿用示例數字或虛構執行紀錄。

交給合作者前，人工核對六項

1. 每個變項的適用分母與特殊編碼是否有依據？
2. 逐變項人數與比例能否重算，重疊是否另行核實？
3. Table 1、流程圖與各模型分母是否分別定義並解釋差異？
4. 方法、插補設定與樣本是否來自實際執行而非建議？
5. 缺失原因、機制假設、敏感度狀態及限制是否如實保留？
6. 是否只向AI提供可公開/有權使用的彙總，而非病人逐列資料？

常見問題