Hoewel onderzoekers hun best doen om ontbrekende gegevens te voorkomen, is het een veelvoorkomend probleem in medisch en epidemiologisch onderzoek. Hoe groot de invloed van de ontbrekende gegevens is op de studieresultaten en hoe hiermee om te gaan, is afhankelijk van de hoeveelheid aan ontbrekende gegevens en van de reden waarom de gegevens ontbreken. In deze 3-daagse cursus worden eenvoudige en geavanceerde technieken behandeld voor het evalueren en omgaan met ontbrekende gegevens binnen medisch en epidemiologisch onderzoek.
Er kunnen verschillende methoden gebruikt worden om met ontbrekende gegevens om te gaan. Eenvoudige oplossingen zijn om de missende waarden te negeren of een regressiemodel te gebruiken om de ontbrekende waarden te schatten. Er zijn ook meer geavanceerde methoden als Multipele Imputatie. Multipele Imputatie volgens de Multivariate Imputation with Chained Equations (MICE) procedure is een veelbelovende techniek die goed werkt in verschillende datasituaties met ontbrekende gegevens. Met Multipele Imputatie worden verschillende complete datasets gegenereerd. Statistische analyses moeten vervolgens in elke dataset worden uitgevoerd en resultaten worden samengevoegd met behulp van speciale rekenregels (Rubin’s Rules genoemd). Deze stappen zullen tijdens de cursus worden besproken, evenals vragen over het gebruik van verschillende methoden om met ontbrekende waarden om te gaan binnen medisch en epidemiologisch onderzoek. Verder is het belangrijk om te controleren of de imputatiestrategie succesvol was (imputatiediagnostiek). Dit zal ook tijdens de cursus worden behandeld.
Elke cursusdag begint met colleges in de ochtend gevolgd door computer practica. Tijdens de practica wordt er met eenvoudige en meer geavanceerde methoden voor missende waarden, zoals Multipele Imputatie, geoefend in SPSS en R(Studio) software. Er wordt gewerkt met echte epidemiologische en medische voorbeeld datasets.
De volgende onderwerpen komen aan de orde:
• Voorbeelden van ontbrekende gegevens in epidemiologisch en medisch onderzoek
• De betekenis van mechanismen van ontbrekende waarden (MCAR, MAR, MNAR)
• Gevolgen en invloed van ontbrekende gegevens voor statistische analyses
• Manieren om verschillende datasituaties met ontbrekende gegevens te evalueren
• De toepassing van eenvoudige methoden voor ontbrekende waarden
• De theorie en praktijk van Multipele Imputatie
• Data analyse na Multipele Imputatie
• Evalueren van de imputatie strategie (imputatiediagnostiek)
