252. Analiza kompletnego przypadku – zalety i ograniczenia

Analiza kompletnego przypadku (ang. Complete-case analysis), nazywana także analizą pełnych przypadków lub usuwaniem obserwacji niekompletnych, jest jedną z najprostszych metod postępowania z brakami danych. Polega na przeprowadzeniu określonej analizy wyłącznie na tych jednostkach, dla których dostępne są wszystkie wartości wymagane w danym modelu. Metoda może być rozsądna w niektórych sytuacjach, ale nie jest automatycznie neutralnym rozwiązaniem. Jej zastosowanie wpływa zarówno na liczebność próby, jak i na to, jaka część badanej populacji pozostaje faktycznie reprezentowana w analizie.

W tej lekcji kursu na statystyk.edu.pl uporządkujemy definicję complete-case analysis, pokażemy jej zalety i ograniczenia oraz omówimy, kiedy wynik uzyskany tą metodą można uznać za wiarygodny. Kluczowe będzie rozdzielenie trzech kwestii: poprawności estymacji, precyzji wyniku i możliwości uogólniania wniosków.

Na czym polega analiza kompletnego przypadku?

Załóżmy, że badacz analizuje zależność między wynikiem leczenia Y, ekspozycją lub interwencją X oraz zmiennymi zakłócającymi Z1, Z2, ..., Zk. W complete-case analysis do modelu włącza tylko osoby, które mają obserwacje dla wszystkich tych zmiennych.

Jeżeli w modelu znajdują się: wiek, płeć, ciśnienie skurczowe, palenie tytoniu i wynik leczenia, to osoba z brakującą wartością wieku zostanie wykluczona z tego modelu, nawet jeśli ma kompletne dane dla pozostałych zmiennych. Analogicznie zostanie wykluczona osoba bez informacji o paleniu lub bez pomiaru wyniku.

Formalnie można zapisać to za pomocą wskaźnika kompletności:

I_i = 1, gdy osoba i ma kompletne dane dla wszystkich zmiennych użytych w analizie;
I_i = 0, gdy co najmniej jedna z tych wartości jest brakująca.

Analiza obejmuje zatem zbiór:

C = {i : I_i = 1}.

Symbol C oznacza zbiór kompletnych przypadków, a i oznacza jednostkę badania, na przykład pacjenta, ucznia, pielęgniarkę lub gospodarstwo domowe. Jeżeli początkowo w badaniu uczestniczyło N osób, a kompletnych przypadków jest n_C, to odsetek zachowanych obserwacji wynosi:

Odsetek kompletnych przypadków = n_C / N × 100%.

Ważne jest, że kompletność odnosi się do konkretnej analizy. Ten sam rekord może być kompletny dla modelu zawierającego trzy zmienne, ale niekompletny dla modelu rozszerzonego o siedem predyktorów. Dlatego liczebność próby należy raportować osobno dla każdego istotnego modelu.

Zalety tego rodzaju analizy

Prostota wykonania i interpretacji

Największą zaletą tej metody jest prostota. Badacz nie musi tworzyć dodatkowych wartości ani określać modelu imputacji. Wyniki są obliczane na rzeczywiście zaobserwowanych danych, co ułatwia wyjaśnienie procedury osobom nieznającym zaawansowanych metod analizy braków danych.

W wielu programach statystycznych complete-case analysis jest ustawieniem domyślnym dla części procedur. Ta dostępność techniczna nie oznacza jednak, że metoda jest zawsze właściwa. Domyślność programu nie zastępuje uzasadnienia metodologicznego.

Brak ryzyka błędnej wartości imputowanej

W analizie pełnych przypadków nie zastępuje się brakującej wartości przewidywaną lub losowaną wartością. Nie występuje więc ryzyko, że model imputacyjny będzie nieadekwatny, zbyt uproszczony albo nieuwzględniający ważnych zależności. Nie oznacza to, że complete-case analysis nie opiera się na założeniach. Jej podstawowe założenie dotyczy mechanizmu braków i selekcji osób pozostających w analizie.

Jednolita próba dla całego modelu

W klasycznej analizie pełnych przypadków wszystkie parametry danego modelu są estymowane na tej samej grupie osób. Ułatwia to porównywanie współczynników, reszt, miar dopasowania i predykcji. Jest to odmienna sytuacja niż w analizie dostępnych przypadków, w której poszczególne statystyki mogą być obliczane na różnych podzbiorach danych.

Możliwość zastosowania w dobrze kontrolowanych warunkach

Complete-case analysis może być akceptowalna, gdy odsetek braków jest mały, a brak kompletności nie jest związany z wartościami analizowanych zmiennych w sposób wpływający na badane oszacowanie. Szczególnym przypadkiem jest mechanizm MCAR, czyli missing completely at random, w którym prawdopodobieństwo braku nie zależy od obserwowanych ani nieobserwowanych danych. Nawet wtedy analiza pełnych przypadków zwykle traci precyzję, ponieważ wykorzystuje mniej obserwacji niż metody korzystające także z częściowo kompletnych rekordów (White i Carlin, 2010).

Najważniejsze ograniczenia

Zmniejszenie liczebności próby

Wymóg kompletności jest restrykcyjny. Jeżeli każda z pięciu zmiennych ma 10% braków, nie oznacza to, że stracimy dokładnie 10% osób. Braki mogą występować u tych samych osób albo u różnych osób. Przy brakach rozproszonych po wielu zmiennych liczba kompletnych przypadków może szybko się zmniejszyć.

Zmniejszenie próby prowadzi do większych błędów standardowych i szerszych przedziałów ufności. W konsekwencji badanie może nie wykazać istotnej statystycznie zależności, mimo że efekt w populacji jest umiarkowany lub duży. Nie należy jednak interpretować takiego wyniku jako dowodu braku efektu.

Ryzyko błędu selekcji

Osoby z kompletnymi danymi mogą różnić się od osób wykluczonych. Pacjenci o cięższym przebiegu choroby częściej opuszczają wizyty, osoby z niższym poziomem wykształcenia mogą rzadziej wypełniać długie kwestionariusze, a respondenci o gorszej sytuacji materialnej mogą częściej rezygnować z udziału. Jeżeli kompletność jest związana z cechami badanych lub z wynikiem, analiza ograniczona do pełnych przypadków może dawać wynik systematycznie przesunięty.

Nie chodzi wyłącznie o reprezentatywność opisową. Selekcja może zmienić również oszacowanie związku między zmiennymi. Na przykład związek palenia z hospitalizacją może wyglądać inaczej w grupie osób, które regularnie uczestniczyły w obserwacji, niż w całej kohorcie.

Niebezpieczeństwo błędnego utożsamienia „braków losowych” z MCAR

W praktyce badacz często nie może udowodnić, że dane są MCAR. Porównanie osób z kompletnymi i niekompletnymi rekordami może wskazać różnice w obserwowanych zmiennych, ale brak różnic nie dowodzi, że nie istnieją różnice w zmiennych nieobserwowanych. Test Little’a może być elementem diagnostyki, lecz jego wynik nie powinien być traktowany jako rozstrzygający dowód mechanizmu braków.

Jeżeli braki są co najmniej zależne od zaobserwowanych danych, mówimy zwykle o MAR, czyli missing at random. W takich warunkach complete-case analysis może być poprawna tylko w określonych modelach i przy określonych relacjach między mechanizmem braków a zmiennymi analizy. Nie wolno przyjmować automatycznie, że MAR oznacza poprawność usuwania niekompletnych rekordów.

Ryzyko zmiany populacji docelowej

Badanie może dotyczyć wszystkich pacjentów przyjętych na oddział, lecz po zastosowaniu complete-case analysis faktyczna analiza może dotyczyć tylko pacjentów, którzy mieli pełną dokumentację i ukończyli wszystkie pomiary. Wniosek „w badanej populacji” staje się wtedy nieprecyzyjny. Należy określić, czy wynik odnosi się do pierwotnej populacji, czy wyłącznie do podgrupy kompletnych przypadków.

Przykład 1: badanie pacjentów z nadciśnieniem

W badaniu obserwacyjnym analizowano związek między aktywnością fizyczną a kontrolą ciśnienia tętniczego u 1200 pacjentów podstawowej opieki zdrowotnej. Model regresji logistycznej obejmował aktywność fizyczną, wiek, płeć, BMI, palenie i stosowanie leków hipotensyjnych.

Kompletne dane miało 840 osób, czyli 70% próby. Pozostałe rekordy wykluczono, ponieważ brakowało co najmniej jednej zmiennej. Jeżeli osoby z brakami były przeciętnie starsze i częściej miały niekontrolowane ciśnienie, analiza pełnych przypadków mogła zaniżyć częstość niekontrolowanego nadciśnienia w analizowanej próbie. Związek aktywności fizycznej z kontrolą ciśnienia również mógł zostać zmieniony, zwłaszcza jeśli brak danych dotyczących aktywności był częstszy u osób o gorszym stanie zdrowia.

Poprawne raportowanie powinno obejmować: liczbę osób zrekrutowanych, liczbę kompletnych przypadków, odsetek braków dla każdej zmiennej, porównanie osób kompletnych i niekompletnych oraz uzasadnienie wyboru metody. Warto także przeprowadzić analizę wrażliwości, na przykład porównać wynik complete-case analysis z wynikiem uzyskanym po wielokrotnej imputacji.

Przykład 2: badanie psychologiczne z kwestionariuszem

Załóżmy, że 500 studentów wypełniło skalę objawów depresyjnych, kwestionariusz jakości snu i pytania o stres akademicki. Badacz chce ocenić, czy stres wiąże się z nasileniem objawów depresyjnych po uwzględnieniu wieku, płci i statusu ekonomicznego.

Osoby z najwyższym nasileniem objawów mogą częściej pomijać pytania lub przerywać kwestionariusz. Jeżeli właśnie te osoby są usuwane, średnie nasilenie objawów w analizie pełnych przypadków może być zaniżone. Co więcej, związek między stresem a objawami może zostać osłabiony, ponieważ w analizie pozostanie nieproporcjonalnie dużo osób o lepszym funkcjonowaniu.

W takiej sytuacji samo stwierdzenie, że „braki stanowiły 8% wszystkich pól”, jest niewystarczające. Trzeba sprawdzić, ile osób utracono w całym modelu. Osiem procent brakujących pól może oznaczać niewielki problem albo utratę znacznej części respondentów, zależnie od rozmieszczenia braków.

Complete-case analysis a inne podejścia

Complete-case analysis należy odróżnić od analizy dostępnych przypadków. W analizie dostępnych przypadków każda statystyka może wykorzystywać wszystkie osoby, które mają dane potrzebne do jej obliczenia. Zwiększa to wykorzystanie informacji, ale może prowadzić do porównywania wyników opartych na różnych podpróbach i komplikować interpretację.

Alternatywą jest wielokrotna imputacja, w której brakujące wartości są uzupełniane wielokrotnie, z uwzględnieniem niepewności imputacji, a następnie wyniki są łączone zgodnie z regułami Rubina. Metoda ta nie jest „magicznym odzyskaniem” danych i wymaga poprawnego modelu imputacji, ale w wielu zastosowaniach pozwala lepiej wykorzystać dostępne informacje. Badania metodologiczne wskazują, że wybór między complete-case analysis a imputacją powinien zależeć od prawdopodobnego mechanizmu braków i pytania badawczego, a nie wyłącznie od porównania błędów standardowych (White i Carlin, 2010; Little, 2024).

W badaniach klinicznych i obserwacyjnych często warto zaplanować analizę główną oraz analizy wrażliwości. Przykładowo complete-case analysis może być analizą pomocniczą, a analiza oparta na wielokrotnej imputacji — analizą główną, jeśli założenie MAR jest wiarygodne. Wnioski powinny wskazywać, czy wyniki są stabilne przy zmianie sposobu postępowania z brakami.

Jak poprawnie zastosować tę metodę?

1. Zdefiniuj model przed analizą. Określ, które zmienne są niezbędne do odpowiedzi na pytanie badawcze.
2. Policz kompletne przypadki. Nie ograniczaj się do odsetka brakujących komórek.
3. Opisz wzór braków. Sprawdź, czy braki dotyczą głównie określonych grup, wizyt lub zmiennych.
4. Porównaj osoby kompletne i niekompletne. Wykorzystaj dostępne zmienne, ale pamiętaj, że takie porównanie nie rozstrzyga całkowicie mechanizmu braków.
5. Uzasadnij założenia. Wyjaśnij, dlaczego analiza pełnych przypadków jest adekwatna dla danego celu.
6. Raportuj liczebność analizowanej próby. Każdy model może mieć inną liczbę obserwacji.
7. Rozważ analizę wrażliwości. Porównaj wynik z alternatywną metodą, jeżeli braki nie są pomijalne.

W badaniach obserwacyjnych standard STROBE wymaga wyjaśnienia, w jaki sposób potraktowano brakujące dane. Samo wpisanie „analizowano kompletne przypadki” nie opisuje jeszcze konsekwencji tej decyzji ani nie pozwala ocenić ryzyka błędu (STROBE Statement, 2007).

Najczęstsze błędy

• Traktowanie complete-case analysis jako metody bez założeń. Usunięcie rekordu również jest decyzją statystyczną opartą na założeniach.
• Raportowanie tylko odsetka braków w komórkach. Trzeba podać także liczbę osób usuniętych z konkretnego modelu.
• Automatyczne uznawanie wyniku testu MCAR za dowód losowości braków. Test nie zastępuje wiedzy o procesie powstawania braków.
• Porównywanie modeli bez uwzględnienia zmiany próby. Inny współczynnik może wynikać z innej populacji analitycznej, a nie z wpływu dodatkowej zmiennej.
• Wnioskowanie przyczynowe na podstawie selektywnej próby. Complete-case analysis nie wzmacnia schematu badania. Badanie przekrojowe nadal nie staje się badaniem przyczynowym.
• Uznawanie braku istotności za dowód braku związku. Po redukcji próby przedziały ufności mogą być szerokie, a moc statystyczna niska.
• Brak analizy wrażliwości przy dużej utracie danych. Im większa i bardziej selektywna utrata obserwacji, tym ważniejsze jest sprawdzenie alternatywnych założeń.

Co warto zapamiętać?

• Complete-case analysis wykorzystuje wyłącznie osoby z kompletnymi danymi dla wszystkich zmiennych danego modelu.
• Jej zalety to prostota, przejrzystość i brak konieczności budowania modelu imputacji.
• Jej podstawowe koszty to utrata liczebności, mniejsza precyzja i ryzyko obciążenia wyników.
• Najważniejsze pytanie nie brzmi: „Czy braki przekraczają określony procent?”, lecz: „Czy osoby z brakami różnią się w sposób istotny dla badanego oszacowania?”.
• Nie należy utożsamiać kompletności danych z wysoką jakością badania.
• Każde użycie tej metody powinno być opisane, uzasadnione i — gdy to możliwe — uzupełnione analizą wrażliwości.

Complete-case analysis może być użytecznym narzędziem, ale powinna wynikać z rozpoznania danych i celu badania, a nie z bezrefleksyjnego ustawienia domyślnego programu. W kolejnych etapach kontroli bazy warto traktować sposób powstawania braków jako część informacji o badaniu, a nie wyłącznie problem techniczny do usunięcia.

Źródła i dalsza lektura

1. White, I. R.; Carlin, J. B. (2010). Bias and efficiency of multiple imputation compared with complete-case analysis for missing covariate values. Statistics in Medicine, 29(28), 2920–2931. DOI: 10.1002/sim.3944.
2. Little, R. J. A.; Rubin, D. B. (1989). The Analysis of Social Science Data with Missing Values. Sociological Methods & Research, 18(2–3), 292–326. DOI: 10.1177/0049124189018002004.
3. Little, R. J. A. (2024). Missing Data Analysis. Annual Review of Clinical Psychology, 20, 149–173. DOI: 10.1146/annurev-clinpsy-080822-051727.
4. Jakobsen, J. C.; Gluud, C.; Wetterslev, J.; Winkel, P. (2017). When and how should multiple imputation be used for handling missing data in randomised clinical trials – a practical guide with flowcharts. BMC Medical Research Methodology, 17(1), 162. DOI: 10.1186/s12874-017-0442-1.
5. Bell, M. L.; Fiero, M.; Horton, N. J.; Hsu, C.-H. (2014). Handling missing data in RCTs; a review of the top medical journals. BMC Medical Research Methodology, 14, 118. DOI: 10.1186/1471-2288-14-118.
6. von Elm, E.; Altman, D. G.; Egger, M.; Pocock, S. J.; Gøtzsche, P. C.; Vandenbroucke, J. P.; for the STROBE Initiative (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) Statement: guidelines for reporting observational studies. PLoS Medicine. PLOS. Źródło.

Jeżeli potrzebujesz indywidualnego wsparcia w doborze metod, przygotowaniu bazy lub opracowaniu wyników badań, sprawdź analiza statystyczna.