Manejo de datos faltantes con modelado de ecuaciones estructurales multinivel y técnicas de máxima verosimilitud de información completa

Con el acceso creciente a datos poblacionales y registros de salud electrónicos para análisis secundarios, los datos faltantes son comunes. En las ciencias sociales y del comportamiento, los datos faltantes a menudo se manejan mediante métodos de imputación múltiple o técnicas de máxima verosimilitud de información completa (FIML), pero los investigadores en salud no han adoptado estas metodologías en la misma medida y, más a menudo, utilizan técnicas de imputación tradicionales o análisis de casos completos, lo que puede comprometer el poder y generar sesgo no intencionado. Este artículo es una revisión de las opciones para manejar datos faltantes, concluyendo con un estudio de caso que demuestra la utilidad del modelado de ecuaciones estructurales multinivel utilizando máxima verosimilitud de información completa (MSEM con FIML) para manejar grandes cantidades de datos faltantes. MSEM con FIML es una estrategia parsimoniosa y orientada a hipótesis para hacer frente a grandes cantidades de datos faltantes sin comprometer el poder ni introducir sesgo. Esta técnica es relevante para los investigadores de enfermería que enfrentan cantidades crecientes de datos electrónicos y presupuestos de investigación en disminución. © 2016 Wiley Periodicals, Inc.