日志

小胖说统计之二五五：Longitudinal Data分析的常见方法（八）

热度 143已有 12957 次阅读2010-5-4 21:59 |

MMRM （七）

正如小胖前边提到的，MMRM的出现是对传统的LOCF的一大挑战，LOCF自身的缺陷使得它从一开始就备受各方的质疑，而MMRM一出现，便成为人们研究的热点，特别是MMRM与LOCF的比较，很多统计专家都通过不同的方面对两者进行了比较，其中Ohidul Siddiqui,等人根据25项NDA submission以及模拟研究对LOCF和MMRM进行了比较：

Ohidul Siddiqui, H. M. James Hung, and Robert O’Neill. MMRM VS. LOCF: A COMPREHENSIVE COMPARISON BASED ON SIMULATION STUDY AND 25 NDA DATASETS. Journal of Biopharmaceutical Statistics, 19: 227–246, 2009.

文中为了比较LOCF和MMRM，进行了两项模拟研究。对三种不同缺失机制下的治疗效应估计和检验的偏倚以及I类错误都进行了评估。模拟研究结果显示，LOCF可导致治疗效应估计较大的偏倚，并大大增加了统计检验的I类错误，而MMRM导致的偏倚则较少，在MCAR或MAR甚至部分MNAR数据情况下，能较好地控制I类错误。

而对从25项NDA submission中得到的48个临床试验数据集的分析发现，MMRM在控制I类错误和减少偏倚方面优于LOCF。

正如这篇文章中提及的，MMRM对LOCF的最大优势在于两点：一是减少偏倚，更好地控制I类错误。

最后，小胖想从直观的角度来说两句，同样地我们来分析一个change from baseline，对于observed case analysis来说，由于那些缺失的病人没有后边的访视的数据，因此这些病人前期访视的数据也不会纳入分析，因此我们会remove掉一些early data；而对于LOCF来说，对于那些缺失后边访视数据的病人来说，我们用前边访视的数据来代替，实际上我们是add了一些其实是我们没有观察到的数据，或者说得难听一点就是虚假的数。而MMRM呢，现对那些完整病例进行分析，然后对那些从完整病例分析中删掉的数据进行合理的估计和比较，最后将两者结合起来得出最后的合理估计。抛开别的什么偏倚不偏倚，保守不保守，I类错误不I类错误的，但就从这三者的思路和考虑问题的角度来说，MMRM无疑是最合理的。