笔者按：在临床试验中，病例脱落非常常见，往往难以避免。由此带来的数据缺失不仅会降低临床试验统计分析的把握度，还会给试验结果的评价带来一定的偏倚。我们今天就来讨论一下，在进行统计分析时，应该如何科学有效地处理缺失数据以保证研究结果的稳定性和可靠性？
研究实例
某研究人员拟研究针灸疗法对于治疗肩部疼痛的效果，设计了一个随机单盲对照临床试验，一共纳入了52名患有肩袖肌腱炎的运动员，随机分为2组，分别接受针灸治疗和虚拟针灸治疗，治疗共持续4周，研究以基线和治疗后的肩关节评分作为疗效评价指标，最终共有45名研究对象完成了本次临床试验。
在该研究中，有7名（13.5%）研究对象因为各种各样的原因退出了本次临床试验，其中试验组3名，对照组4名，研究人员未能真实地记录到他们治疗后的疗效情况，无法准确评估治疗效果，由于病例脱落而产生了缺失数据。下面我们来介绍最常用的三种处理缺失数据的方法。
一、直接剔除法
当脱落病例占总病例数量的比例很小时，而且病例脱落是完全随机发生的，即脱落的原因与临床试验本身无关，例如研究对象因工作出差而退出研究，或搬家而造成失访等，此时可以考虑直接舍弃脱落病例产生的缺失记录，形成一个完全数据集，仅对记录完整的数据进行统计分析（