Two-stage imputation of longitudinal anthropometric data with cross-reference harmonisation: a simulation study
本模拟研究评估了一种用于填补缺失纵向体重和身高数据的可重复两阶段方法，该方法将受试者内线性插值与基于生长参考的标准估计相结合，展示了极高的准确性以及显式处理和审计不同数据源间差异化参考标准的能力。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正在尝试重建一部记录儿童成长过程的电影，但胶片卷损坏了。有些帧丢失了（缺失数据），更糟糕的是，有些场景是使用两种不同的摄像机拍摄的，它们记录颜色的方式略有不同（不同的生长标准，如 WHO 与 CDC）。如果你只是凭直觉猜测缺失的部分，或者忽略摄像机的差异，你最终制作出的电影将会是模糊或扭曲的。
这篇论文介绍了一种简单的、两步走的“胶片修复”方法，旨在修复这些缺失的生长测量值（体重和身高），同时保持一个清晰的记录，说明拼图中的每一块是如何被找到的。
以下是该方法的工作原理，使用了日常类比：
问题：缺失的帧与混合的摄像机
在健康研究中，我们会随时间追踪人们的体重和身高。通常，人们会错过预约，从而留下数据空白。此外，一些研究使用 WHO 生长图表（就像一台“欧洲摄像机”），而另一些研究则使用 CDC 图表（就像一台“美国摄像机”）。即使一个孩子的体型是一样的，这两张图表可能会说他们在不同的“百分位数”（即与其他儿童相比的排名）。如果你在没有察觉的情况下混合这些数据集，就会引入一个隐藏的错误，就像试图编辑一部灯光在场景间随机变化的电影。
解决方案：两阶段修复过程
作者提出了一种“两阶段”方法来填补空白，优先考虑特定个人的信息，然后再根据总体人群进行推测。
第一阶段：“连点成线”法（个体内部插值法）
- 类比： 想象你有一张孩子 5 岁时的照片和一张 7 岁时的照片，但 6 岁时的照片丢了。最简单、最合乎逻辑的猜测是在 5 岁和 7 岁的照片之间画一条直线。你假设孩子在这期间是稳步成长的。
- 论文的做法： 如果一个人在缺失就诊点的前后都有测量数据，计算机只需在他们之间画一条直线来填补空白。它仅使用该特定个人的数据。这是填补空白最准确的方式，因为它尊重了这个特定儿童的生长模式。
第二阶段：“生长图表”法（LMS 百分位数填补法）
- 类比： 如果在某一年完全没有照片，或者孩子只有一张照片，你就无法连点成线。这时，你会去看标准的“生长图表”（如 WHO 或 CDC 图表）。你会找到该孩子通常处于图表的什么位置（例如，第 50 百分位数，意味着处于平均水平），然后你假设他们在下次见到之前一直保持在同一条“轨道”上。
- 论文的做法： 如果第一阶段无法填补空白，该方法会利用孩子的已知测量值来确定其“生长轨迹”（百分位数）。然后，它假设孩子保持在该轨道上，并使用原始数据源所使用的特定生长图表（WHO 或 CDC）来计算他们在缺失时间点的体重/身高应该是多少。
- “显式参数”的转折： 至关重要的是，该方法强制要求研究人员声明：“我正对来源 A 使用 WHO 图表，对来源 B 使用 CDC 图表。”它不会隐藏这一选择。它为每一次猜测都记录了使用了哪种“摄像机”。
“溯源”标签：每一次猜测的收据
论文强调，最终数据集中的每个数字都会获得一个“标签”或收据：
- 观测值 (Observed)： 我们实际测量到的。
- 插值值 (Interpolated)： 我们连点成线的（第一阶段）。
- 生长参考值 (Growth Reference)： 我们基于图表进行的猜测（第二阶段）。
这至关重要，因为如果研究人员想要格外谨慎，他们可以声明：“我将只信任‘观测值’和‘插值值’，并忽略‘生长参考值’的猜测，”或者他们可以分别分析它们，以观察“猜测”是否改变了结果。
结果：修复效果如何？
作者使用合成数据（看起来像真实生长研究的计算机生成伪数据）测试了这种方法。他们故意隐藏了 20% 的已知数字，并尝试将其猜回原样。
- 结果： 该方法成功填补了 100% 的空白。
- 准确性： 猜测值非常接近真相。对于体重，平均误差约为 1.78 kg（大约偏差 3.5%）。对于身高，平均误差约为 2.84 cm（偏差 2%）。
- 结论： 正如预期的那样，“连点成线”的猜测（第一阶段）比“生长图表”的猜测（第二阶段）更准确。这证明了“两阶段顺序”（先尝试连点成线，必要时才使用图表）是正确的做法。
重要局限性（论文所述内容）
这篇论文非常诚实地说明了它目前尚未做到的事情：
- 它是一个“单一猜测”： 该方法给出一个关于缺失数值的最佳猜测。它并没有计算“不确定性”或可能性的范围。如果你将这些猜测用于最终的医学研究，你可能会在无意中认为你掌握的信息比实际拥有的更多。
- “稳定性”假设： 第二阶段假设一个孩子保持在同一生长轨道上。如果一个孩子经历了突然的疾病或生长高峰，导致其百分位数发生剧烈变化，该方法可能无法捕捉到这种转变。然而，由于有了“标签”，研究人员可以识别出这些猜测并谨慎对待。
- 仅限于合成数据： 这些结果是基于计算机模拟，而非真实患者。该方法在模拟中表现完美，但在用于严肃医学结论之前，需要在现实世界中混乱的数据上进行测试。
总结
这篇论文提供了一个简单、透明的工具来修复缺失的生长数据。它优先使用个人的历史数据，然后在必要时退而求其次使用标准生长图表，同时大声宣布每一次计算所使用的“标准”。这确保了当我们合并来自不同来源的数据时，不会在不知情的情况下误将苹果和橘子混为一谈。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。