Эта книга предоставляет практические рекомендации для статистиков, клиницистов и исследователей, участвующих в клинических испытаниях в биофармацевтической промышленности, медицинских и общественных организациях здравоохранения. Академические работники и студенты, которым нужно введение в обработку отсутствующих данных, также найдут эту книгу бесценной. Авторы описывают, как отсутствующие данные могут повлиять на результат и достоверность клинического испытания, показывают на примерах, как клиническая команда может работать над предотвращением отсутствия данных, и представляют читателю подходы к эффективному решению проблемы отсутствующих данных. Книга проиллюстрирована реалистичными примерами из практики и разобранными примерами, а также предоставляет четкие и лаконичные рекомендации для хорошего планирования в отношении отсутствующих данных. Авторы показывают, как обработать отсутствующие данные так, чтобы это было понятно и прозрачно для клиницистов, регуляторов и пациентов. Представлены новые методы для улучшения выбора и реализации первичного и чувствительного анализов отсутствующих данных. Приведено много примеров кода SAS – читателю дан инструментарий для реализации анализов при различных предположениях.
Электронная Книга «Clinical Trials with Missing Data» написана автором Michael O'Kelly в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781118762509
Описание книги от Michael O'Kelly
This book provides practical guidance for statisticians, clinicians, and researchers involved in clinical trials in the biopharmaceutical industry, medical and public health organisations. Academics and students needing an introduction to handling missing data will also find this book invaluable. The authors describe how missing data can affect the outcome and credibility of a clinical trial, show by examples how a clinical team can work to prevent missing data, and present the reader with approaches to address missing data effectively. The book is illustrated throughout with realistic case studies and worked examples, and presents clear and concise guidelines to enable good planning for missing data. The authors show how to handle missing data in a way that is transparent and easy to understand for clinicians, regulators and patients. New developments are presented to improve the choice and implementation of primary and sensitivity analyses for missing data. Many SAS code examples are included – the reader is given a toolbox for implementing analyses under a variety of assumptions.
