Resumen

Uno de los problemas dignos de mencin en el anlisis de estudios clnicos y observacionales son los datos que faltan y la falta de respuesta de los pacientes. Hacer la vista gorda a la falta de comportamiento puede proporcionar resultados sesgados con errores estndar sobreestimados. El impacto potencial del problema puede ser incluso ms grave en la estimacin del ndice de calidad de vida relacionada con la salud. Este ndice es un indicador importante, ampliamente utilizado en ensayos clnicos para evaluar la eficacia de las intervenciones disponibles. Entre las muchas medidas disponibles para la estimacin del ndice, el enfoque ms en alza es el clasificador de salud basado en preferencias EQ-5D. Este estudio sugiere un algoritmo heurstico basado en clusters para la imputacin de valores perdidos en el clasificador de salud EQ-5D para superar dicho problema. El uso de valores de variables auxiliares y de otras dimensiones como evidencias aumenta la probabilidad de identificar correctamente el valor que falta y, por tanto, lo hace insesgado. Las comparaciones de muestras bootstrap sugieren que supera el problema de los errores estndar y proporciona estimaciones eficientes.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Clínica; Estudios observacionales; Datos que faltan; Falta de respuesta; índice de calidad de vida relacionada con la salud; EQ-5D
• Keywords:Clinical; Observational studies; Missing data; Nonresponse; Health-related quality of life index; EQ-5D