临床试验数据分析实战：用SAS搞定重复测量数据的多重填补（附完整代码）

临床试验数据分析实战：SAS实现重复测量数据多重填补的完整指南

在药物研发和临床研究中，重复测量数据（如患者在不同时间点的指标变化）是最常见的数据类型之一。然而，由于患者脱落、随访失败或数据收集问题，这类数据往往存在不同程度的缺失。面对这种情况，多重填补（Multiple Imputation）技术成为了处理缺失数据的黄金标准，它通过构建多个可能的填补值来反映缺失数据的不确定性，从而获得更可靠的统计推断。

本文将手把手带您完成从数据准备到结果解读的全流程，特别针对临床试验中常见的重复测量数据结构。不同于简单的理论讲解，我们会聚焦于实际应用场景中的痛点和解决方案，提供可直接用于项目的SAS代码模板。

1. 理解重复测量数据的特点与缺失机制

重复测量数据（Longitudinal Data）在临床试验中无处不在——从血压的每周记录到肿瘤大小的月度评估。这类数据的核心特点是同一个受试者在不同时间点有多个测量值，这些值之间存在内在相关性。当数据出现缺失时，我们需要首先判断缺失的模式和机制。

1.1 识别三种基本缺失机制

• 完全随机缺失（MCAR）：缺失与任何观察或未观察因素无关
• 随机缺失（MAR）：缺失与观察到的数据有关，但与未观察值无关
• 非随机缺失（MNAR）：缺失与未观察到的值本身有关

/* 检查数据缺失模式的SAS代码 */ proc mi data=long_data nimpute=0; class treatment sex; var treatment sex age baseline visit1-visit6; fcs; run;

执行这段代码后，输出面板会显示缺失数据的模式矩阵，帮助我们判断是单调缺失（Monotone Missing）还是任意缺失（Arbitrary Missing）。

1.2 重复测量数据特有的挑战

与横截面数据相比，重复测量数据的填补需要考虑更多因素：

1. 时间趋势的影响
2. 个体内相关性
3. 治疗组间的差异演变
4. 基线值的调节作用

提示：在临床试验中，通常假设数据为MAR，但需要进行敏感性分析来评估MNAR假设下的结果稳健性。

2. 数据准备与探索性分析

2.1 构建适合填补的数据结构

重复测量数据通常以两种格式存储：

/* 将长格式数据转换为宽格式 */ proc transpose data=long_data out=wide_data prefix=visit; by subject treatment sex age baseline; id visit_num; var value; run;

2.2 评估缺失程度与模式

在填补前，我们需要量化各变量的缺失比例：

proc means data=wide_data nmiss n; var visit1-visit6; run;

对于重复测量数据，特别需要关注：

• 各访视点的缺失率
• 缺失是否集中在特定治疗组
• 缺失与基线特征的关系

3. FCS方法在重复测量数据中的应用

完全条件指定（Fully Conditional Specification, FCS）是处理重复测量数据最灵活的方法，它允许为每个含缺失的变量指定最适合的填补模型。

3.1 基本FCS模型构建

proc mi data=wide_data out=imputed seed=2023 nimpute=50; class treatment sex; var treatment sex age baseline visit1-visit6; fcs regression(visit1 visit2 visit3 visit4 visit5 visit6 / details) logistic(sex); run;

3.2 处理时间趋势的进阶技巧

为更好地捕捉重复测量数据的时间特性，可以在FCS中加入：

• 多项式项反映非线性趋势
• 交互项检查治疗组间趋势差异
• 自相关结构

fcs regression( visit1 = treatment|sex|age|baseline @2 visit2 = treatment|sex|age|baseline|visit1 @2 visit3 = treatment|sex|age|baseline|visit1|visit2 @2 /* 类似设置其他访视点 */ / details);

3.3 针对MNAR的delta调整方法

当怀疑数据可能是MNAR时，delta调整提供了一种敏感性分析方法：

proc mi data=wide_data out=imputed_mnar seed=456 nimpute=50; class treatment sex; var treatment sex age baseline visit1-visit6; fcs reg; mnar adjust( visit1 / shift=1.5 adjustobs=(treatment="Active") visit2 / shift=1.5 adjustobs=(treatment="Active") /* 类似调整其他访视点 */ ); run;

4. 填补后分析与结果合并

4.1 填补数据的分析方法

对于重复测量数据，常见的分析策略包括：

1. ANCOVA：分析终点变化值
2. MMRM：利用所有访视点数据
3. 混合效应模型：灵活处理时间效应

/* 对每个填补数据集进行分析 */ proc mixed data=imputed; by _imputation_; class treatment sex; model visit6 = baseline sex age treatment / solution; lsmeans treatment / diff cl; ods output SolutionF=parms CovB=covb; run;

4.2 Rubin规则与结果合并

多重填补的核心是使用Rubin规则合并结果：

/* 合并参数估计 */ proc mianalyze parms=parms covb=covb; modeleffects Intercept baseline sex age treatment; run; /* 合并治疗组对比结果 */ proc mianalyze data=lsmeans; modeleffects estimate; stderr stderr; by treatment; run;

4.3 结果解释注意事项

在呈现多重填补结果时，需要报告：

• 填补次数（通常50-100次）
• 使用的填补方法
• 收敛诊断信息
• 填补模型与分析模型的关系

注意：填补变量与分析变量最好保持一致，避免"兼容性问题"导致偏差。

5. 实战案例：从数据模拟到结果报告

让我们通过一个完整的模拟案例，体验处理重复测量缺失数据的全流程。

5.1 数据模拟与缺失生成

/* 模拟完整的重复测量数据 */ data complete; call streaminit(123); do subject = 1 to 200; treatment = ifc(rand('uniform')<0.5, 'Active', 'Placebo'); sex = ifc(rand('uniform')<0.5, 'Male', 'Female'); age = round(rand('normal', 50, 10)); baseline = round(rand('normal', 100, 15)); /* 模拟时间趋势 */ array visits[6] visit1-visit6; do time = 1 to 6; if treatment = 'Active' then visits[time] = baseline + 5*time + rand('normal',0,5); else visits[time] = baseline + 2*time + rand('normal',0,5); end; output; end; drop time; run; /* 人为制造缺失 */ data missing; set complete; call streaminit(456); array visits[6] visit1-visit6; /* 制造与基线值相关的缺失 */ if baseline < 90 then do; do i = 4 to 6; if rand('uniform') < 0.3 then visits[i] = .; end; end; /* 制造随机缺失 */ do i = 1 to 6; if rand('uniform') < 0.1 then visits[i] = .; end; drop i; run;

5.2 完整分析流程

/* 步骤1：多重填补 */ proc mi data=missing out=imputed seed=789 nimpute=50; class treatment sex; var treatment sex age baseline visit1-visit6; fcs regression(visit1-visit6 / details) logistic(sex); run; /* 步骤2：各填补数据集分析 */ proc mixed data=imputed; by _imputation_; class subject treatment sex; model visit6 = baseline sex age treatment / solution; lsmeans treatment / diff cl; ods output SolutionF=parms CovB=covb Diffs=diffs LSMeans=lsmeans; run; /* 步骤3：结果合并 */ proc mianalyze parms=parms covb=covb; modeleffects Intercept baseline sex age treatment; run; proc mianalyze data=lsmeans; modeleffects estimate; stderr stderr; by treatment; run; proc mianalyze data=diffs; modeleffects estimate; stderr stderr; run;

5.3 敏感性分析实施

为评估结果的稳健性，建议进行：

1. 不同填补次数的比较（如20 vs 50 vs 100次）
2. 不同填补方法的比较（FCS vs MCMC）
3. MNAR假设下的delta分析

/* 敏感性分析：不同delta值的影响 */ %macro delta_sensitivity(delta); proc mi data=missing out=imputed_d&delta seed=789 nimpute=50; class treatment sex; var treatment sex age baseline visit1-visit6; fcs reg; mnar adjust( visit1 / shift=&delta adjustobs=(treatment="Active") visit2 / shift=&delta adjustobs=(treatment="Active") visit3 / shift=&delta adjustobs=(treatment="Active") visit4 / shift=&delta adjustobs=(treatment="Active") visit5 / shift=&delta adjustobs=(treatment="Active") visit6 / shift=&delta adjustobs=(treatment="Active") ); run; /* 后续分析代码... */ %mend; %deltasensitivity(1); %deltasensitivity(1.5); %deltasensitivity(2);

6. 常见问题与解决方案

在实际应用中，我们经常遇到以下挑战：

6.1 高度缺失时的策略

当某些变量的缺失率很高时（>40%）：

• 考虑使用辅助变量增强填补模型
• 评估是否应该将该变量从分析中排除
• 尝试不同的填补方法比较结果

6.2 分类变量的处理

对于分类结局变量：

• 使用logistic回归进行填补
• 对于有序分类，考虑有序logistic模型
• 检查填补后各类别的分布是否合理

proc mi data=wide_data; class treatment sex outcome; var treatment sex age baseline outcome; fcs logistic(outcome); run;

6.3 计算效率优化

多重填补可能很耗时，特别是：

• 大数据集时
• 高缺失维度时
• 复杂模型时

优化建议：

1. 使用nbiter选项减少迭代次数
2. 先在小样本上测试模型
3. 考虑并行计算

proc mi data=large_data nimpute=50 nbiter=20; /* ... */ run;

7. 质量检查与结果验证

完成填补后，必须验证填补质量：

7.1 检查填补值的分布

/* 比较原始数据和填补数据的分布 */ proc means data=imputed n nmiss mean std min max; var visit1-visit6; class _imputation_; run; proc sgpanel data=imputed; panelby _imputation_ / columns=5; histogram visit6; run;

7.2 收敛诊断

检查EM算法的收敛情况：

proc mi data=missing nimpute=0; var visit1-visit6; em outem=em_out; run; proc sgplot data=em_out; series x=iteration y=visit1_mean; series x=iteration y=visit2_mean; /* 添加其他变量... */ run;

7.3 敏感性分析框架

建立系统的敏感性分析：

1. 不同随机种子比较
2. 不同填补方法比较
3. 不同协变量组合比较
4. MNAR场景分析

8. 报告撰写与可视化呈现

8.1 关键结果展示表格

下表展示了不同填补方法的主要结果比较：

8.2 趋势可视化技巧

/* 绘制填补前后的时间趋势图 */ proc sgpanel data=imputed; panelby treatment / columns=2; vline visit_num / response=value stat=mean group=_imputation_; run;

8.3 方法学部分撰写要点

在方法部分需要明确说明：

1. 缺失数据的比例和模式
2. 采用的填补方法及理论依据
3. 填补模型的详细信息
4. 敏感性分析策略
5. 使用的软件及版本

在实际项目中，我通常会保存完整的填补日志和脚本，这不仅有助于复查，也能在监管询问时提供完整的分析轨迹。