缺失數(shù)據(jù)分析在健康科學中的應用（翻譯版）

第一章 缺失數(shù)據(jù)的概念和啟發(fā)性的例子
1．1 缺失數(shù)據(jù)問題的回顧
1．2 缺失數(shù)據(jù)的模式和機制
1．2．1 缺失數(shù)據(jù)模式
1．2．2 缺失數(shù)據(jù)機制
1．3 數(shù)據(jù)示例
1．3．1 改善心情并促進合作的治療（IMPACT）的研究
1．3．2 美國阿爾茨海默病協(xié)調中心（NACC）最小數(shù)據(jù)集
1．3．3 美國阿爾茨海默病協(xié)調中心（NACC）統(tǒng)一數(shù)據(jù)集
1．3．4 路徑研究
1．3．5 維生素A補充劑的隨機試驗
1．3．6 流感疫苗效果隨機試驗
第二章 處理缺失數(shù)據(jù)問題的方法概述
2．1 刪除觀測值的方法
2．1．1 完全案例方法
2．1．2 加權完全案例方法
2．1．3 移除有大量缺失的變量
2．2 利用所有可用數(shù)據(jù)的方法
2．2．1 極大似然方法
2．3 填補缺失數(shù)據(jù)的方法
2．3．1 單一填補方法
2．3．2 多重填補
2．4 貝葉斯方法
第三章 在有缺失數(shù)據(jù)時的設計考量
3．1 與缺失數(shù)據(jù)有關的設計因素
3．2 在臨床試驗設計階段限制缺失數(shù)據(jù)的策略
3．3 在臨床試驗實施階段限制缺失數(shù)據(jù)的策略
3．4 最小化缺失數(shù)據(jù)的影響
第四章 橫截面數(shù)據(jù)方法
4．1 常用方法概述
4．2 數(shù)據(jù)的例子
4．2．1 模擬研究
4．2．2 NHANES示例
4．3 極大似然方法
4．3．1 缺失協(xié)變量為連續(xù)型的線性回歸的EM算法
4．3．2 缺失協(xié)變量為離散型時線性回歸的EM算法
4．3．3 二值響應變量有缺失的邏輯回歸的EM算法
4．3．4 模擬研究
4．3．5 IMPACT研究
4．3．6 NACC研究
4．4 貝葉斯方法
4．4．1 理論
4．4．2 聯(lián)合模型以及可忽略的缺失
4．4．3 缺失數(shù)據(jù)的貝葉斯填補
4．4．4 模擬的例子
4．4．5 IMPACT研究
4．4．6 NHANES示例
4．5 多重填補
4．5．1 理論
4．5．2 漸近性考量和實踐準則
4．5．3 多重填補方法的理論解釋
……
第五章 縱向數(shù)據(jù)方法
第六章 可忽略缺失機制下的生存分析
第七章 不可忽略缺失
第八章 帶非依從的隨機化臨床試驗分析
參考文獻