Key points are not available for this paper at this time.
인구 기반 데이터 및 전자 건강 기록에 대한 접근이 증가함에 따라, 결측 데이터는 일반적입니다. 사회 및 행동 과학에서는 결측 데이터를 여러 공백 보간 방법이나 전체 정보 최대 우도(FIML) 기법으로 처리하지만, 의료 연구자들은 이러한 방법론을 동일한 수준으로 수용하지 않으며, 더 자주 전통적인 보간 기법이나 전체 사례 분석을 사용하게 되며, 이는 통계적 힘을 손상시키고 의도하지 않은 편향을 초래할 수 있습니다. 이 기사는 결측 데이터를 처리하기 위한 옵션을 검토하며, 결측 데이터가 많은 상황에서 전체 정보 최대 우도(FIML)를 사용하는 다층 구조 방정식 모델링의 유용성을 보여주는 사례 연구로 결론을 내립니다. FIML이 적용된 MSEM은 많은 결측 데이터를 처리하는 데 있어 통계적 힘이나 편향을 손상시키지 않는 간결하고 가설 중심의 전략입니다. 이 기술은 점점 증가하는 전자 데이터와 축소되는 연구 예산에 직면한 간호 연구자들에게 관련성이 있습니다. © 2016 Wiley Periodicals, Inc.
Schminkey et al. (Fri,)는 이 질문을 연구했습니다.