በኮቪድ-19 ክሊኒካዊ ጥናቶች ውስጥ የጎደሉትን መረጃዎችን ለመቆጣጠር ዋናዎቹ የስታቲስቲክስ አቀራረቦች ምንድን ናቸው?

እየተካሄደ ያለው የኮቪድ-19 ወረርሽኝ የበሽታውን ተፅእኖ ለመረዳት እና ውጤታማ የሆኑ ጣልቃገብነቶችን ለማዳበር አጠቃላይ ክሊኒካዊ ጥናቶች አስቸኳይ ፍላጎት እንዲፈጠር አድርጓል። ነገር ግን በእነዚህ ጥናቶች ውስጥ የጠፋ መረጃ ለመረጃ ትንተና እና አተረጓጎም ከፍተኛ ፈተናዎችን ይፈጥራል። በዚህ ጽሑፍ ውስጥ የጎደሉትን መረጃዎች በኮቪድ-19 ክሊኒካዊ ጥናቶች ውስጥ ለማስተናገድ ቁልፍ የሆኑትን የስታቲስቲክስ አቀራረቦችን እንመረምራለን፣ በጠፉ የመረጃ ትንተና እና ባዮስታቲስቲክስ ቴክኒኮች ላይ በማተኮር።

በኮቪድ-19 ክሊኒካዊ ጥናቶች የጎደለውን መረጃ መረዳት

የሚጎድል መረጃ የሚሰበሰቡት መለኪያዎች ወይም ምልከታዎች አለመኖራቸውን ያመለክታል። በኮቪድ-19 ክሊኒካዊ ጥናቶች አውድ ውስጥ፣ በተለያዩ ምክንያቶች የጎደሉ መረጃዎች ሊነሱ ይችላሉ፣ ይህም የታካሚን አለማክበር፣ ክትትል ማጣት፣ ወይም በቂ የመረጃ አሰባሰብ ሂደቶች። የጥናት ግኝቶችን ትክክለኛነት እና ትክክለኛነት ለመጠበቅ የጎደለውን መረጃ በትክክል መፍታት አስፈላጊ ነው።

የጎደሉ የውሂብ ዓይነቶች

ወደ ስታቲስቲካዊ አቀራረቦች ከመግባታችን በፊት፣ የተለያዩ የጎደሉ መረጃዎችን መረዳት አስፈላጊ ነው። ሦስቱ ዋና ዓይነቶች የሚከተሉት ናቸው-

• ሙሉ በሙሉ በዘፈቀደ ይጎድላል ​​(MCAR) ፡ የጎደለው ጉድለት ከማንኛቸውም ከተስተዋሉ ወይም ካልተስተዋሉ ተለዋዋጮች ጋር ምንም ግንኙነት የለውም።
• በነሲብ የጠፋ (MAR): የጎደሉት ከተስተዋሉ ተለዋዋጮች ጋር የተያያዘ ነው ነገር ግን ከራሳቸው የጎደሉት እሴቶች ጋር አይደለም።
• በነሲብ የጠፋ አይደለም (MNAR)፡- የጎደሉት እሴቶቹ ከራሳቸው የጎደሉ እሴቶች ጋር የተያያዘ ነው፣ ምንም እንኳን የተስተዋሉ ተለዋዋጮችን ከግምት ውስጥ ካስገባ በኋላ።

የጎደለ ውሂብን ለማስተናገድ ስታቲስቲካዊ አቀራረቦች

1. የተሟላ የጉዳይ ትንተና (CCA)

CCA ለሁሉም የፍላጎት ተለዋዋጮች የተሟላ መረጃ ያላቸውን ጉዳዮች ብቻ መጠቀምን ያካትታል። ግልጽ ቢሆንም፣ የጠፋው መረጃ ሙሉ በሙሉ በዘፈቀደ ካልሆነ CCA ወደ አድሏዊ ውጤት ሊያመራ ይችላል፣ ምክንያቱም ጠቃሚ ምልከታዎችን ሊያካትት ይችላል።

2. ነጠላ የማስመሰል ዘዴዎች

ነጠላ የማስመሰል ዘዴዎች እያንዳንዱን የጎደለ ዋጋ በአንድ የተገመተ እሴት መተካትን ያካትታሉ። የተለመዱ ቴክኒኮች አማካኝ ማስመሰልን፣ ሚዲያን ማስመሰልን፣ እና የተሃድሶ ግምትን ያካትታሉ። ነገር ግን፣ እነዚህ ዘዴዎች ከተገመቱት እሴቶች ጋር የተገናኘውን እርግጠኛ አለመሆንን ቸል ይላሉ እና በመረጃው ውስጥ ያለውን ተለዋዋጭነት ዝቅ ሊያደርጉ ይችላሉ።

3. ባለብዙ ኢምዩሽን (ኤምአይ)

MI በርካታ የተገመቱ የውሂብ ስብስቦችን ይፈጥራል፣ ይህም ከተገመቱ እሴቶች ጋር የተያያዘውን እርግጠኛ አለመሆንን ለማካተት ያስችላል። አጠቃላይ ግምቶችን እና መደበኛ ስህተቶችን ለማግኘት ውጤቱን ከማጣመርዎ በፊት በርካታ የተሟሉ የውሂብ ስብስቦችን በተለያዩ የተገመቱ እሴቶች ማመንጨት እና እያንዳንዱን የውሂብ ስብስብ በተናጠል መተንተንን ያካትታል።

4. ከፍተኛ ዕድል ግምት (MLE)

MLE በአጋጣሚ ተግባር ላይ በመመስረት የሞዴል መለኪያዎችን የሚገመግም ስታቲስቲካዊ ዘዴ ነው። የጎደለውን መረጃ ለመቆጣጠር እድሉን ከፍ በማድረግ፣ የጎደለውን የመረጃ ዘዴን ከግምት ውስጥ በማስገባት እና ሁሉንም የሚገኙትን መረጃዎች በማካተት ከአድልዎ የራቁ ግምቶችን ለማግኘት ጥቅም ላይ ሊውል ይችላል።

5. የንድፍ ድብልቅ ሞዴሎች

የስርዓተ-ጥለት ድብልቅ ሞዴሎች የተለያዩ የጎደሉ የመረጃ ስልቶችን ለማካተት እና የጎደሉትን መረጃዎች በጥናት ውጤቶች ላይ ያለውን ተፅእኖ ለመረዳት የሚያስችል ማዕቀፍ ያቀርባሉ። እነዚህ ሞዴሎች የጠፉትን መሰረታዊ ንድፎችን ይይዛሉ እና የጥናት ግኝቶችን ጥንካሬ ለመገምገም የስሜታዊነት ትንተናዎችን ይፈቅዳሉ።

ተግዳሮቶች እና ግምቶች

በኮቪድ-19 ክሊኒካዊ ጥናቶች ውስጥ የጎደሉትን መረጃዎችን ለማስተናገድ ስታቲስቲካዊ አቀራረቦችን ሲተገበሩ በርካታ ተግዳሮቶች እና ግምት ውስጥ መግባት አለባቸው፡-

• የጠፋ የውሂብ ሜካኒዝም፡- የጎደሎነትን ተፈጥሮ መረዳት ተገቢውን ስታቲስቲካዊ አካሄድ ለመምረጥ ወሳኝ ነው።
• የስሜታዊነት ትንተና፡- የጎደሉትን መረጃዎች በሚኖሩበት ጊዜ የውጤቶችን ጥንካሬ ለመገምገም የስሜታዊነት ትንታኔዎችን ማካሄድ ትክክለኛ መደምደሚያዎችን ለማምጣት አስፈላጊ ነው።
• ግልጽነት እና ሪፖርት ማድረግ፡- የጎደሉትን የመረጃ አያያዝ ዘዴዎች እና በጥናት ውጤቶች ላይ የሚያሳድሩት ተፅዕኖ ግልጽነት ያለው ሪፖርት ማድረግ የግኝቶችን አተረጓጎም እና መባዛት አስፈላጊ ነው።

ማጠቃለያ

በኮቪድ-19 ክሊኒካዊ ጥናቶች ውስጥ የተገኙትን ግኝቶች ትክክለኛነት እና አስተማማኝነት ለማረጋገጥ የጎደሉትን መረጃዎች ውጤታማ በሆነ መንገድ መያዝ ወሳኝ ነው። የጎደሉትን የመረጃ ትንተና እና ባዮስታቲስቲክስ የላቀ ስታቲስቲካዊ አቀራረቦችን በመጠቀም፣ ተመራማሪዎች የጎደሉትን መረጃዎች ተፅእኖ መቀነስ እና የተፈጠሩትን የማስረጃ ጥራት ማሻሻል ይችላሉ። ወረርሽኙ በዝግመተ ለውጥ ሂደት ላይ፣ ስለ ኮቪድ-19 ያለንን ግንዛቤ ለማሳደግ እና በማስረጃ ላይ የተመሰረቱ ጣልቃገብነቶችን ለመምራት የጠንካራ ስታቲስቲካዊ ዘዴዎችን መተግበር ወሳኝ ይሆናል።