临床大数据文献|大数据研究中的缺失值处理

临床大数据研究系列文献分享第二篇，由浙江大学章仲恒老师撰写的临床大数据系列专栏文章发表在 Annals of Translationa杂志，这篇文章主要介绍的是处理大数据中的缺失值的一些基本技能。

• 注：这里只做学习交流，版权归原作者所有。

前言

当观测值中没有变量的数据值时，就会出现缺失值。价值缺失现象在涉及大数据的临床研究中普遍存在。护士可能会忘记在特定时间点记录尿量。患者可能仅测量一种血液中的乳酸，而研究人员则对探索乳酸趋势对死亡率结果的影响感兴趣。值丢失的其他原因包括但不限于编码错误，设备故障和不响应。在统计包中，某些命令（例如逻辑回归）可能会自动删除缺少值的观测值。如果有一些不完整的观察结果，那没有问题。但是，当存在大量缺少值的观测值时，默认的逐列表删除可能会导致信息的大量丢失。在这种情况下，分析人员应仔细研究缺失的模式，并找到适当的方法来应对。本文将介绍如何在R中处理缺失值，并提供一些处理缺失值的基本技巧。

BCT01-1.png BCT01-2.png BCT01-3.png BCT01-4.png BCT01-5.png BCT01-6.png

参考文献

Zhang Z. Missing values in big data research: some basic skills. Ann Transl Med 2015;3(21):323. doi:
10.3978/j.issn.2305-5839.2015.12.11