病例系列数据缺失的精准插补策略

病例系列数据缺失的精准插补策略演讲人CONTENTS病例系列数据缺失的精准插补策略引言：病例数据缺失的现实困境与精准插补的迫切性数据缺失机制的深度解析：精准插补的逻辑起点传统插补方法的局限性：为何需要“精准化”升级？精准插补策略的核心框架：从机制适配到方法选择总结与展望：精准插补——让缺失数据“开口说话”目录01病例系列数据缺失的精准插补策略02引言：病例数据缺失的现实困境与精准插补的迫切性引言：病例数据缺失的现实困境与精准插补的迫切性在临床研究与真实世界数据（RWD）分析中，病例系列数据的缺失问题如同“隐形陷阱”，几乎贯穿于数据收集、整理与解读的全流程。无论是回顾性电子病历（EMR）的记录不全，前瞻性临床试验的受试者脱落，还是多中心研究中的数据上报差异，缺失值的存在不仅直接降低数据利用率，更可能通过引入偏倚（bias）扭曲研究结论，甚至导致错误的临床决策。例如，在肿瘤预后研究中，若关键预后指标“术后辅助治疗完成情况”缺失，且缺失数据与患者肿瘤分期显著相关（即非随机缺失），简单删除缺失病例可能高估早期患者的生存率，误导治疗指南的制定。作为一名长期深耕临床数据科学的研究者，我曾亲历一项关于2型糖尿病并发症的多中心研究：最初因忽视“糖化血红蛋白（HbA1c）”检测时间的缺失（部分患者因随访脱落未记录检测时间，部分因检测设备故障未生成结果），直接采用完整病例分析，引言：病例数据缺失的现实困境与精准插补的迫切性最终发现“HbA1c控制不佳与视网膜病变风险相关”的结论在纳入缺失数据后不再显著——这一教训让我深刻认识到：数据缺失不是“可以忽略的小问题”，而是需要系统性、科学性应对的核心挑战。精准插补（imputation）的核心目标，并非“凭空创造数据”，而是在尊重数据内在规律、保留原始信息不确定性的前提下，对缺失值进行“合理估计”。其价值不仅在于提升样本量与统计效力，更在于通过减少偏倚接近真实世界的数据分布，为临床研究提供更可靠的证据基础。本文将从数据缺失机制解析入手，系统梳理传统插补方法的局限性，重点阐述精准插补的策略框架、技术路径及实践要点，为医疗数据工作者提供一套可落地的解决方案。03数据缺失机制的深度解析：精准插补的逻辑起点数据缺失机制的深度解析：精准插补的逻辑起点理解数据缺失的机制是选择插补方法的前提。若将缺失值视为“数据的裂缝”，那么缺失机制便是“裂缝形成的原因”——只有明确裂缝的性质，才能选择合适的“修补材料”与“工艺”。统计学界通常将缺失机制分为三类，每类机制对插补策略的要求截然不同。（一）完全随机缺失（MCAR,MissingCompletelyAtRandom）定义与特征：数据的缺失与任何观测变量或缺失变量本身均无关。例如，在临床试验中，因受试者随机编号错误导致部分病例的基线数据未被录入，且错误编号与患者年龄、性别、病情等变量无关联。此时，缺失数据可视为“随机丢失的拼图”，其分布与完整数据一致。识别方法：可通过比较缺失组与完整组在关键变量上的分布差异（如t检验、卡方检验），若差异无统计学意义（P>0.05），则提示MCAR可能存在。但需注意：MCAR在实际研究中极为罕见，尤其是医疗数据中，几乎不存在“完全随机”的缺失。数据缺失机制的深度解析：精准插补的逻辑起点对插补策略的启示：MCAR下，传统插补方法（如均值插补、回归插补）的偏倚风险较低，但仍需警惕信息损失——简单删除缺失病例（listwisedeletion）虽无偏，但会降低统计效力，尤其当缺失比例较高（>10%）时。（二）随机缺失（MAR,MissingAtRandom）定义与特征：数据的缺失与观测变量相关，但与缺失变量本身的无关。这是医疗数据中最常见的缺失机制。例如，在老年患者研究中，“骨密度检测值”的缺失可能与患者年龄（观测变量）相关（老年患者因行动不便更易拒绝检测），但与骨密度本身无关（即“缺失不是因骨密度高/低，而是因年龄大”）。数据缺失机制的深度解析：精准插补的逻辑起点识别方法：需结合领域知识与统计检验。例如，若“血压测量值”缺失与患者“是否合并高血压”（观测变量）相关（高血压患者因频繁测量更少缺失），则提示MAR存在。此时，可通过构建“缺失指示变量”（1=缺失，0=完整），与观测变量做回归分析，若观测变量对缺失指示变量的预测有统计学意义，则支持MAR。对插补策略的启示：MAR是精准插补的核心适用场景。此时，若能利用观测变量（如年龄、性别、合并症等）构建缺失值的预测模型，可有效减少偏倚。传统方法中的多重插补（MultipleImputation,MI）、基于机器学习的插补（如随机森林插补）均以MAR为前提。数据缺失机制的深度解析：精准插补的逻辑起点（三）非随机缺失（MNAR,MissingNotAtRandom）定义与特征：数据的缺失与缺失变量本身直接相关。这是最复杂、最棘手的缺失机制，也是临床研究中“偏倚风险最高”的场景。例如，在药物不良反应监测中，“患者未报告的不良反应”可能因症状严重程度（缺失变量本身）导致——症状越重，患者越倾向于隐瞒（因担心被终止治疗）。识别方法：MNAR难以通过纯统计方法识别，需依赖领域逻辑与敏感性分析。例如，若“抑郁量表得分”缺失，且已知重度抑郁患者更易拒绝量表填写，则提示MNAR；可通过模拟不同缺失机制下插补结果的变化（如假设缺失比例为10%、20%，且与得分高低相关），观察结论是否稳健。数据缺失机制的深度解析：精准插补的逻辑起点对插补策略的启示：MNAR下，任何插补方法均可能引入偏倚，需结合“敏感性分析”评估结论的稳健性。此时，可考虑“半参数模型”（如共享参数模型）或“模式混合模型”，同时纳入观测变量与对缺失机制的假设，或直接采用“上限/下限插补”（如将缺失的“不良反应发生率”设为理论最大值/最小值）进行保守估计。04传统插补方法的局限性：为何需要“精准化”升级？传统插补方法的局限性：为何需要“精准化”升级？在精准插补策略普及前，均值插补、末次观测结转（LOCF）、回归插补等传统方法因操作简单、易于理解，曾被广泛应用于医疗数据处理。但随着医疗数据的高维化、异质化及复杂性提升，这些方法的固有缺陷逐渐凸显，成为制约研究质量的关键瓶颈。均值插补与中位数插补：信息压缩与分布扭曲原理：用观测变量的均值或中位数填补所有缺失值。例如，某研究中“血清肌酐”的均值为80μmol/L，则所有缺失的肌酐值均填充为80。局限性：1.信息损失：均值/中位数仅反映数据的集中趋势，忽略了个体差异。例如，若“肌酐”缺失多见于肾功能不全患者（实际值可能>120），用均值填充会低估该群体的肾功能风险。2.方差不实：填充后数据的方差被人为压缩（所有缺失值相同），导致假设检验的效力降低（t检验、F检验等对方差敏感）。3.分布偏倚：连续变量可能从“偏态分布”被扭曲为“尖峰分布”，分类变量则可能引均值插补与中位数插补：信息压缩与分布扭曲入“伪众数”，违背数据的真实分布特征。案例警示：在一项关于急性肾损伤（AKI）的研究中，早期采用均值插补填补“尿量”缺失值，结果发现“尿量<400ml/24h”的AKI患者比例从实际18%降至12%，严重低估了AKI的严重程度——这一错误直至后续引入更精准的插补方法才被发现。（二）末次观测结转（LOCF）与结转末次观测值（BOCF）：时间序列数据的“伪稳定性”原理：主要用于纵向研究，将最后一次观测值向前填充缺失时间点的数据。例如，患者第1周血压为140/90mmHg，第2周未测量，则填充第2周血压也为140/90。局限性：均值插补与中位数插补：信息压缩与分布扭曲11.假设不成立：LOCF默认“缺失前的观测值可代表缺失后的状态”，但临床指标常随时间动态变化（如血压可能在第2周自然下降），LOCF会掩盖真实的波动趋势。22.累积偏倚：在长周期随访中，LOCF可能导致“数据漂移”——例如，肿瘤患者“肿瘤直径”若因脱落缺失而采用末次值填充，会高估治疗效果（因未考虑后续可能的进展）。33.适用场景窄：仅适用于“短期稳定、变化缓慢”的指标（如基础人口学特征），对动态指标（如实验室检测值、症状评分）完全不适用。回归插补：条件依赖的“单点估计”原理：基于观测变量建立回归模型，预测缺失值。例如，用“年龄、性别、BMI”预测“缺失的血糖值”。局限性：1.忽略不确定性：回归插补给出的是“点估计”（单一预测值），未考虑预测误差，导致插补后数据方差低估。2.过拟合风险：当预测变量与缺失变量的相关性较弱时，回归模型可能拟合噪声，产生“伪相关”（如用“吸烟史”预测“缺失的肝功能指标”，可能因无关变量引入偏倚）。3.循环依赖：若缺失变量本身是其他变量的预测因子（如“缺失的血脂”用于预测“心血管事件”），回归插补可能因“自变量包含缺失值”导致模型失效。05精准插补策略的核心框架：从机制适配到方法选择精准插补策略的核心框架：从机制适配到方法选择传统插补方法的局限性，推动着医疗数据插补向“精准化”发展。精准插补的核心逻辑是“基于缺失机制、结合数据特征、适配分析方法”，通过系统性流程确保插补结果的科学性与可靠性。本部分将构建“五步法”精准插补框架，并详解关键技术的应用场景。第一步：缺失模式诊断与数据预处理目标：明确缺失的“分布特征”与“结构规律”，为后续方法选择奠定基础。第一步：缺失模式诊断与数据预处理缺失模式可视化-缺失矩阵图（MissingnessMatrix）：用热图展示各变量的缺失分布，识别“行缺失”（特定病例多变量缺失）与“列缺失”（特定变量高比例缺失）。例如，若某中心医院“病理报告”缺失率高达30%，可能提示该中心病理科数据上报流程存在问题。-缺失模式聚类：通过聚类算法（如k-means）将病例按缺失模式分组，发现“缺失亚群”。例如，在糖尿病患者中，可能存在“老年组”（多因行动不便导致“运动量”“饮食记录”缺失）与“年轻组”（多因工作繁忙导致“血糖监测”缺失）的不同缺失模式。第一步：缺失模式诊断与数据预处理缺失比例与变量类型分析-缺失比例阈值：通常将缺失比例>20%的标记为“高缺失变量”，需谨慎评估插补必要性（若为关键变量，优先考虑收集补充数据）；<5%的变量可直接删除或简单插补（如均值）。-变量类型适配：-连续变量（如血压、实验室指标）：需关注分布是否偏态、是否存在异常值，插补前需进行标准化或对数转换。-分类变量（如性别、合并症）：需关注类别是否平衡，若存在“稀有类别”（如某罕见病合并症<1%），需采用“有偏插补”（如Firth校正）避免过拟合。-时间序列变量（如纵向随访的血压）：需关注时间间隔是否均匀、是否存在“趋势性变化”，插补需纳入时间维度（如加入“时间”作为预测变量）。第一步：缺失模式诊断与数据预处理缺失机制初步判断结合领域知识统计检验：-若缺失变量与观测变量相关（如“缺失的HbA1c”与“患者依从性评分”相关），提示MAR；-若缺失变量与自身潜在特征相关（如“未报告的不良反应”可能因症状严重程度导致），提示MNAR，需设计敏感性分析。第二步：基于缺失机制的方法选择核心原则：MCAR可用简单方法（如删除、均值插补）；MAR优先用模型-based方法（如多重插补、机器学习插补）；MNAR需结合敏感性分析与特殊模型。1.MCAR场景：以“删除”为辅，以“简单插补”过渡-完整病例分析（ListwiseDeletion,LD）：仅保留无缺失的病例。MCAR下，LD是无偏的，但当缺失比例较高（如>15%）时，样本量不足会导致统计效力下降。此时，可结合“多重插补”补充样本，再与LD结果对比，验证结论稳健性。-随机插补（RandomImputation）：从观测变量的分布中随机抽取值填补缺失。例如，若“血压”的观测值为120/80、130/85、125/82，则缺失值可随机抽取其中一个。该方法保留了数据的原始分布，但可能因随机波动导致结果不稳定，需通过“多次插补-合并结果”提升可靠性。第二步：基于缺失机制的方法选择MAR场景：模型-based插补的核心战场MAR是精准插补的“主阵地”，需利用观测变量构建“缺失值的预测模型”，同时保留插补的不确定性。以下为三种主流方法：（1）多重插补（MultipleImputation,MI）：兼顾不确定性的“黄金标准”原理：通过MCMC（马尔可夫链蒙特卡洛）算法生成m个（通常m=5-10）插补数据集，每个数据集的缺失值基于观测变量的条件分布独立插补，最后合并m个数据集的分析结果（如回归系数取均值，标准差整合插补不确定性）。技术实现：-插补模型选择：需根据变量类型适配：-连续变量：线性回归模型（如用“年龄、性别”预测“缺失的肌酐”）；第二步：基于缺失机制的方法选择MAR场景：模型-based插补的核心战场-分类变量：逻辑回归模型（如用“BMI、吸烟史”预测“缺失的糖尿病类型”）；-混合变量：广义线性混合模型（GLMM），纳入随机效应（如“中心”作为随机截距）。-迭代次数与收敛判断：MCMC需迭代足够次数（通常1000次以上）直至参数稳定（可通过“迹图”判断，即参数后验分布曲线趋于平稳）。优势：明确量化了插补的不确定性（通过m个数据集的变异），符合“贝叶斯统计”思想，被FDA、EMA等监管机构推荐用于临床试验缺失数据处理。案例应用：在一项关于生物制剂治疗类风湿关节炎（RA）的研究中，“28个关节疾病活动度评分（DAS28）”缺失率达18%，且与“患者随访依从性”（观测变量）相关（MAR）。采用MI（m=10，纳入年龄、性别、病程、基期DAS28作为预测变量）插补后，治疗组与安慰剂组的DAS28改善差异从LD分析的1.2（P=0.06）提升至1.5（P=0.01），统计学效力显著提高。第二步：基于缺失机制的方法选择基于机器学习的插补：高维数据下的“非线性突破”传统MI依赖线性假设，难以捕捉医疗数据中的复杂非线性关系（如“年龄与血压的U型曲线”“基因多态性与药物浓度的交互作用）。机器学习（ML）算法通过灵活的函数拟合，可提升高维、非线性数据的插补精度。主流ML插补方法：-随机森林插补（RandomForestImputation）：原理：通过构建多棵决策树，对每个缺失值基于“观测变量”的投票（回归问题取平均，分类问题取众数）进行插补。优势在于：①自动处理变量交互与非线性；②对异常值鲁棒；③可输出“变量重要性”排序，辅助识别关键预测变量。第二步：基于缺失机制的方法选择基于机器学习的插补：高维数据下的“非线性突破”案例：在心血管研究中，“低密度脂蛋白胆固醇（LDL-C）”缺失与“饮食结构”“运动习惯”等多因素非线性相关。采用随机森林（以“饮食、运动、BMI、年龄”为预测变量）插补后，LDL-C的预测误差（RMSE）较回归插补降低32%，且成功捕捉到“高纤维饮食与LDL-C负相关”的非线性关系。-XGBoost/LightGBM插补：作为随机森林的升级版，梯度提升树通过“迭代训练残差”进一步提升预测精度，尤其适用于“样本量大、特征多”的医疗数据（如EMR数据）。需注意：为避免过拟合，需设置“最大深度”“子采样率”等超参数，并通过交叉验证优化。-神经网络插补（如MICE-Net）：第二步：基于缺失机制的方法选择基于机器学习的插补：高维数据下的“非线性突破”对于“超高维、强异质性”数据（如基因组+临床+影像的多模态数据），深度神经网络可通过“特征自动提取”提升插补效果。例如，在阿尔茨海默病研究中，结合“MRI影像特征”与“认知评分”的神经网络插补，对“缺失的MMSE评分”预测准确率较传统方法提升18%。ML插补的注意事项：-过拟合防控：ML模型易在训练数据上过拟合，需通过“留一法交叉验证”（LOOCV）或“袋外误差”（OOB，随机森林特有）评估泛化能力；-可解释性：临床研究需“结果可追溯”，可通过SHAP值（SHapleyAdditiveexPlanations）解释ML插补的预测依据（如“某患者LDL-C插补值为3.5mmol/L，主要因‘高饱和脂肪饮食’贡献了0.8mmol/L”）。第二步：基于缺失机制的方法选择基于机器学习的插补：高维数据下的“非线性突破”（3）贝叶斯模型平均（BMA）：整合模型不确定性的“进阶策略”当存在多个合理的插补模型时（如线性回归与随机森林均可用于预测“缺失的血糖”），BMA通过计算每个模型的“后验概率”，对多个模型的插补结果加权平均，减少“单一模型选择偏倚”。公式：\(\hat{y}_{\text{missing}}=\sum_{k=1}^{K}p(M_k|\text{data})\hat{y}_{k}\)其中，\(p(M_k|\text{data})\)为模型\(M_k\)的后验概率，\(\hat{y}_{k}\)为模型\(M_k\)的插补值。第二步：基于缺失机制的方法选择基于机器学习的插补：高维数据下的“非线性突破”应用场景：在探索性研究中，当缺乏先验知识确定“最佳插补模型”时，BMA可提供更稳健的估计。例如，在肿瘤标志物研究中，对“缺失的CEA”同时采用线性回归、随机森林、支持向量机三种模型插补，通过BMA加权合并后，插补结果与后续“生存分析”的相关性更稳定。第二步：基于缺失机制的方法选择MNAR场景：敏感性分析与特殊模型的双重保障MNAR下，任何插补方法均无法完全消除偏倚，需通过“敏感性分析”评估结论的稳健性，并结合“MNAR专用模型”进行保守估计。第二步：基于缺失机制的方法选择敏感性分析：评估“缺失机制假设”对结论的影响TippingPoint分析：假设缺失变量与某结局（如“生存率”）存在特定关联，计算“使结论反转的最小关联强度”。例如，若“缺失的HbA1c”与“死亡风险”需满足“OR>1.5”才能推翻“HbA1c控制良好预后更好”的结论，则说明结论对MNAR假设不敏感，结果稳健。PatternMixtureModels（PMM）：将数据按“缺失模式”分组（如“缺失组”与“完整组”），假设不同组间缺失变量的分布不同，分别构建模型后再合并。例如，在“不良反应报告”缺失的MNAR研究中，假设“缺失组的不良反应发生率是完整组的1.5倍”，通过PMM调整后，重新估计“药物安全性”结论。第二步：基于缺失机制的方法选择MNAR专用模型：基于“缺失机制假设”的参数化建模SelectionModels：联合建模“缺失机制”与“数据生成过程”。例如，构建两个方程：-结果方程：\(Y=X\beta+\epsilon\)（Y为观测变量，X为预测变量）；-选择方程：\(P(\text{缺失}=1)=\Phi(Z\gamma)\)（Z为影响缺失的变量，\(\Phi\)为标准正态分布CDF）。通过最大似然估计同时估计\(\beta\)与\(\gamma\)，明确缺失机制对结果的影响。第二步：基于缺失机制的方法选择MNAR专用模型：基于“缺失机制假设”的参数化建模SharedParameterModels：适用于纵向数据，假设“随机效应”同时影响“观测结果”与“缺失概率”。例如，在哮喘患者研究中，“患者个体易感性”（随机效应）既影响“每日峰流速”（观测结果），也影响“峰流速测量依从性”（缺失概率），通过共享随机效应调整MNAR偏倚。第三步：插补模型的验证与优化插补并非“一劳永逸”，需通过严格验证确保插补结果的“合理性”与“可靠性”。第三步：插补模型的验证与优化插补前后数据分布一致性检验-可视化检验：绘制插补前后变量的直方图、Q-Q图，观察分布形态（均值、方差、偏度、峰度）是否保持一致；对于分类变量，比较类别比例变化。-统计检验：采用Kolmogorov-Smirnov检验（连续变量）或卡方检验（分类变量），判断插补后分布与观测分布是否无显著差异（P>0.05）。案例：在一项研究中，采用随机森林插补“缺失的血小板计数”后，发现插补组的血小板均值（210×10⁹/L）与观测组（205×10⁹/L）无显著差异（P=0.32），但插补组的“血小板<100×10⁹/L”比例（5%）较观测组（3%）升高，提示插补可能高估了血小板减少风险——需进一步检查随机森林是否对“极端值”预测过度。第三步：插补模型的验证与优化插补精度评估（当“真实值”已知时）在模拟研究或“预留验证集”（将部分观测值设为缺失，再插补）中，可通过以下指标评估插补精度：-连续变量：均方根误差（RMSE）、平均绝对误差（MAE）、决定系数（R²）；-分类变量：准确率（Accuracy）、F1-score、AUC-ROC。示例：在一项模拟研究中，将“真实血糖值”按10%比例设为缺失，分别用均值插补、回归插补、随机森林插补填补，结果显示：随机森林的RMSE（0.8mmol/L）显著低于均值插补（1.5mmol/L），R²（0.85）高于回归插补（0.72），验证了其在非线性数据中的优势。第三步：插补模型的验证与优化插补后分析结果的稳健性检验-插补前后结论对比：比较“完整病例分析”“简单插补”“精准插补”下的研究结论（如回归系数、P值），若结论一致（如“治疗组疗效显著”），说明结果稳健；若结论反转，则需重点分析缺失机制。-不同插补方法对比：采用多种精准插补方法（如MI与随机森林）分别插补，观察结论是否一致。例如，在肿瘤研究中，若MI与随机森林均显示“新辅助化疗可提高R0切除率”，则结论可信度高；若结果矛盾，需进一步排查缺失机制与模型设定。第四步：插补结果的临床意义解读插补的最终目的是服务于临床研究，因此需将统计结果转化为“可理解、可应用”的临床洞见。第四步：插补结果的临床意义解读避免“过度解读”插补值插补值是“估计值”而非“真实值”，需在报告中明确标注“插补数据”的边界（如“95%CI包含插补不确定性”）。例如，在“插补的HbA1c”与“心血管事件”的关联分析中，应表述为“HbA1c每升高1%，心血管事件风险增加15%（95%CI:1.08-1.23，MI插补）”，而非绝对化的“因果关系”。第四步：插补结果的临床意义解读关注“亚组”的插补合理性对于“高缺失亚群”（如老年患者、合并多重共病患者），需单独评估插补结果的临床意义。例如，在老年高血压患者中，若“收缩压”插补值普遍偏高（因纳入了“行动不便导致血压测量缺失”的真实高血压患者），则提示“老年人群的血压控制可能需更严格标准”。第四步：插补结果的临床意义解读结合领域知识验证“极端插补值”若出现“临床不可能的插补值”（如“年龄=150岁”“血压=300/200mmHg”），需检查模型是否过拟合，或采用“截断插补”（将极端值限制在医学合理范围内，如年龄0-120岁）。第五步：伦理与透明度：精准插补的“底线思维”医疗数据涉及患者隐私与临床决策，精准插补需遵循“伦理优先、透明可溯”原则。第五步：伦理与透明度：精准插补的“底线思维”数据隐私保护在插补过程中，若涉及患者敏感信息（如基因数据、精神疾病诊断），需采用“去标识化处理”（如ID编码、数据脱敏），避免信息泄露。对于多中心研究，需通过“联邦学习”等技术，在不共享原始数据的前提下完成插补。第五步：伦理与透明度：精准插补的“底线思维”插补过程的透明度报告根据STROBE声明（观察性研究报告规范）与CONSORT声明（临床试验报告规范），需在论文中详细报告：-缺失数据的基本情况（各变量缺失比例、缺失机制判断依据）；-插补方法的选择理由（如为何选择随机森林而非MI）；-插补模型的参数设置（如MI的迭代次数、m值；随机森林的树数量、最大深度）；-敏感性分析结果（如MNAR假设下的结论变化）。示例报告模板：“本研究中‘术后并发症’缺失率为12%，经卡方检验与临床判断符合MAR（P=0.15）。采用多重插补（m=10，纳入年龄、手术方式、ASA评分为预测变量，迭代次数2000次）填补缺失值，敏感性分析显示，若假设缺失者并发症发生率是非缺失者的2倍，结论仍稳健（P<0.01）。”第五步：伦理与透明度：精准插补的“底线思维”插补过程的透明度报告五、实践案例：一项关于急性缺血性脑卒中患者预后研究的精准插补全流程为上述理论框架提供实践参考，本节以一项“急性缺血性脑卒中患者3个月预后影响因素研究”为例，展示精准插补的完整应用。研究背景与数据特征-研究目的：探讨“早期神经功能评分（NIHSS）”“是否接受溶栓治疗”对3个月改良Rankin量表（mRS，0-6分，0分为预后良好）的影响。-数据来源：某三甲医院2021-2023年收治的320例急性缺血性脑卒中患者。-缺失情况：-NIHSS评分：缺失18例（5.6%），主要因患者入院时意识障碍无法评估；-溶栓治疗：缺失12例（3.8%），主要因患者家属拒绝签字；-mRS评分：缺失25例（7.8%），主要因患者失访或死亡后无法评估。-缺失机制判断：-NIHSS缺失与“入院意识状态”（观测变量，GCS评分）相关（P<0.01），MAR；研究背景与数据特征-溶栓缺失与“患者家属教育程度”（观测变量）相关（P=0.03），MAR；-mRS缺失与“NIHSS评分”（观测变量）相关（P<0.001），MAR。精准插补流程实施缺失模式诊断-缺失矩阵图显示：NIHSS缺失多见于“GCS<8分”患者，溶栓缺失多见于“教育程度≤高中”患者，mRS缺失多见于“NIHSS≥15分”患者，支持MAR判断。-缺失比例：均<10%，但mRS为关键结局指标，需重点插补。精准插补流程实施方法选择与实施-NIHSS评分（连续变量）：采用随机森林插补（预测变量：GCS评分、年龄、发病至入院时间、是否有高血压），因NIHSS与GCS可能存在非线性关系（如GCS=3分时NIHSS可能极高或极低）。-溶栓治疗（二分类变量）：采用逻辑回归的MI（m=10，预测变量：教育程度、年龄、NIHSS评分、是否有糖尿病），纳入NIHSS作为预测变量以控制混