欠損データの影響とそれに対する取り扱いが薬の開発における偽陽性結果の割合に及ぼす影響

薬の開発において、主要な分析の一般的な選択肢は、欠損データを最後またはベースラインの観察値を前方に持ち込むことで補完し、(共分散)分析を通じて平均の変化を評価することです（LOCF、BOCF）。これらのアプローチは、データが完全にランダムに欠損している（MCAR）ことを前提としています。多重補完法（MI）や尤度ベースの繰り返し測定（MMRM）は、データがランダムに欠損している（MAR）と仮定するため、制約が少なくなります。それにもかかわらず、LOCFとBOCFは依然として人気があり、これらの方法におけるバイアスが、薬が対照よりも効果的であるという誤った結論からの保護をもたらすと考えられているためかもしれません。我々は、欠損がランダムでない（MNAR）メカニズムによるデータを用いた2(5)完全要因配置から生成した32のシナリオにおけるBOCF、LOCF、MI、MMRMの偽陽性結果率または規制リスク誤り（RRE）を比較するシミュレーション研究を実施しました。BOCFおよびLOCFによる膨張したRREは、MIおよびMMRMと比較されました。32のシナリオのうち12で、BOCFはLOCFの8シナリオ、MIの3シナリオ、MMRMの4シナリオと比較して膨張したRREをもたらしました。BOCFまたはLOCFがMIおよびMMRMが妥当な制御を提供しなかった状況はありませんでした。MIおよびMMRMは、主要な分析においてBOCFまたはLOCFよりも優れた選択肢です。