🔎 Пропущенные данные: определение, примеры, роль

Уважаемые коллеги!

Сегодня мы начинаем обсуждение одной из центральных проблем в исследованиях РКП – "Пропущенные данные".

Вас ждут 2 недели, посвященные пропущенным данным:
10 – 16.11 - с точки зрения управления данными (Data Management),
24 – 30.11 - с точки зрения биостатистики.

📊 В исследованиях РКП невозможно избежать пропусков данных. Это обусловлено как полным отсутствием сведений по определенному параметру, так и единичными пропусками значений в пределах одного показателя.
Превышение определенной доли пропущенных значений в выборках может значительно увеличить степень неопределенности выводов, получаемых по результатам исследования.

♦️ Определения из официальных источников
🔹Ключевое официальное определение дается в руководстве ICH E9 (R1) «Statistical Principles for Clinical Trials»:

Missing Data: Data that would be meaningful for the analysis of a given estimand but were not collected. They should be distinguished from data that do not exist or data that are not considered meaningful because of an intercurrent event.

Пропущенные данные: это сведения, которые были бы значимы для анализа данного оцениваемого параметра, но не были собраны (estimand). Их следует отличать от данных, которые не существуют, или не считаются значимыми из-за сопутствующего события (intercurrent event).
🔹 Определения FDA, ЕМА, ЕАЭС – в PDF-файле

♦️Источники пропущенных значений в исследованиях РКП
🔹 Электронные медицинские карты (ЭМК)
🔹 Регистры заболеваний
🔹Данные страховых компаний (claims data)
🔹Носимые устройства (wearable devices) и мобильные приложения
🔸 Примеры пропусков данных (структурированы по источникам данных, указаны причины) – в файле PDF

♦️Почему анализ неполной информации критически важен для исследований РКП?
🔹Смещенные выводы (Bias): Пропущенные данные могут привести к систематическому занижению или завышению оценки эффективности и безопасности лечения. Например, если из исследования выбывают пациенты с тяжелыми побочными эффектами, препарат будет казаться безопаснее, чем он есть на самом деле.
🔹Снижение статистической мощности: Любые пропуски уменьшают объем информации, доступной для анализа, что делает выводы менее точными и надежными.
🔹Проблемы с обобщаемостью: Выборка, оставшаяся после исключения пациентов с отсутствующими данными, может не представлять всю исходную популяцию.

🤝 Нетворкинг-вечеринка «Все Свои»

В пятницу наша команда приняла участие в нетворкинг – вечеринке «Все свои».

Это первая в своем роде вечеринка для специалистов по клиническим исследованиям. На одной площадке были КИ и НИ (RWE) - так, как это и должно быть в науке, в исследованиях препаратов и в исследованиях заболеваний.

Нас ждала насыщенная программа:
🤝 сессия нетворкинга, проведенная в непринужденной игровой форме. Организаторы продумали все, чтобы даже интровертам было легко знакомиться с новыми людьми.

❓Квиз про фарму, медицину, клинические исследования и RWE, который был сделан специально для вечеринки. Победитель определился только в финальном раунде, где мы отгадывали ребусы про термины исследований.

💬 Ну и, конечно, было море общения и знакомства с новыми людьми. Каждый из нашей команды смог найти Новых Своих.

🥳 Идейным вдохновителем и организатором вечеринки стала Александра Сазонова, руководитель рабочей группы «Профессиональное и карьерное развитие» НАИИО.

🔜 Анонс таких вечеринок вы сможете получать после вступления в НАИИО.
А подписаться на Александру можно здесь: https://vk.com/hrsazonova

Уважаемые коллеги!

Сегодня продолжим обсуждение пропущенных данных в исследованиях РКП.

♦️ Классификация механизмов пропуска данных
включает три типа пропуска данных:
🔹Полностью случайные пропуски (MCAR, Missing completely at random)
Вероятность пропуска данных никак не связана ни с какими наблюдаемыми или ненаблюдаемыми переменными в исследовании. Пропуск является абсолютно случайным событием.
🔹Случайные пропуски (MAR, Missing at random)
Вероятность пропуска данных может быть связана с другими наблюдаемыми переменными в наборе данных, но не связана с самим пропущенным значением после учета этих наблюдаемых переменных.
🔹Неслучайные пропуски (MNAR, Missing not at random)
Вероятность пропуска данных связана с самим пропущенным значением, даже после учета всех наблюдаемых переменных. Это самый проблемный тип пропусков.
🔸Примеры из рутинной клинической практики в прикрепленном файле PDF 👁

♦️ Почему в исследовании крайне важно изучение механизма пропусков данных?
🔹 С точки зрения валидности и достоверности выводов исследования
🔹 С точки зрения дата-менеджмента (управления данными)
🔸 Пояснения по этим точкам зрения приведены в прикрепленном файле PDF 👁

♦️ Заключение
Игнорирование природы пропущенных данных — одна из самых частых и серьезных методологических ошибок, которая в итоге может привести к принятию неверных клинических решений. Современный подход требует от исследователей и дата-менеджеров не просто механического применения методов импутации, а тщательного клинического осмысления причин, по которым данные могли быть пропущены.

🧨 Всем писателям и читателям СОПов

Минутка доброго юмора. Половину недели уже позади, впереди сияет горизонт выходных дней 🙃

Если нужно по работе
СОП какой-нибудь хороший
Написать, поскольку раньше
СОПа не было ваще,

Ты бери пример с Толстого:
СОП обязан быть огромным,
Должен точно быть не меньше
Сорока пяти страниц.

Вы туда воды побольше
Наливайте, чтобы смысл
Даже при большом желанье
Уловить не удалось.

....
А еще, что очень важно,
Сорок форм добавьте к СОПу,
Чтобы каждую пришлось бы
Заполнять по полчаса.

....
В общем, есть всегда возможность
Людям сильно жизнь испортить
В этом деле просто нужен
Очень творческий подход.
....

Полное стихотворение тут

Уважаемые коллеги!

Сегодня разберем ключевые этапы работы с пропущенными данными в исследованиях РКП.
От планирования и проектирования до анализа: минимизация рисков и повышение достоверности результатов.

Пропущенные данные — это не ошибка, это неизбежная реальность РКП.
Проблема не в их наличии, а в неправильном управлении!

♦️ Этап 1: Планирование. Проектирование (заложить фундамент для минимизации и предсказуемости пропусков)
Включает три пути:
🔹 Разработка концепции исследования и протокола
🔹 Выбор и оценка источников данных
🔹 Проектирование эИРК для проспективных НИ РКП
♦️ Этап 2: Оценка и Диагностика – до начала сбора данных (количественно и качественно оценить ожидаемый масштаб и природу проблемы пропущенных данных)
🔹Пилотный анализ/Анализ исходных данных
🔹 Классификация механизмов пропусков
🔹 Оценка источников данных (углубленно)
♦️ Этап 3: Разработка Протокола и плана анализа SAP (закрепить методологию работы с пропущенными данными в ключевых документах до начала исследования)
🔹 Априорное описание методов
🔹 Первичный анализ
🔹Анализы чувствительности
🔹SOP
♦️ Этап 4: Проектирование систем сбора данных и детальное Планирование (реализовать планы из протокола в конкретные инструменты и инструкции)
🔹DMP
🔹DVP
🔹SAP
♦️ Этап 5: Сбор данных. Валидация данных (активно управлять пропусками в режиме реального времени)
🔹 Мониторинг данных в реальном времени
🔹 Исполнение DVP и обработка запросов
♦️ Этап 6: Анализ данных. Завершение исследования (провести анализ в строгом соответствии с априорно утвержденными планами (SAP) и корректно интерпретировать результаты)
🔹 Выполнение первичного анализа
🔹 Проведение анализа чувствительности
🔹 Документирование. Отчетность (Как мы это доказываем и передаем?)

‼️Ключевой вывод: Пропущенными данными управляет тот, кто предвидит их еще до начала исследования.

🔸Подробнее разбор ключевых этапов пути пропущенных данных в исследованиях РКП вы можете найти в прикрепленном файле PDF👁

🚀 Нас уже больше 700!

Мы благодарим вас за проявленный интерес🥳

Для нас важно знать свою аудиторию, поэтому приглашаем вас пройти опрос о вашей профессии.

Обращаем внимание, что опрос будет разделен на 3 части из-за ограничений платформы. В каждой части будет доступен множественный выбор. Отмечайте ваши роли во всех 3-х формах.
Также мы всегда приветствуем ваши дополнения и обратную связь в комментариях.

✅ Мы обязательно поделимся его объединенными (из 3-х частей) результатами. Также мы будем опираться на ваш профессиональный интерес при подготовке контента.

Всем отличных выходных❄️☃️

📊 Регистры исследований реальной клинической практики: краткий обзор
Что такое регистры исследований и зачем они нужны?

🎯Регистры исследований — это публичные базы данных, где исследователи заранее регистрируют свои исследования: цели, методологию, план анализа. Это ключевой инструмент обеспечения прозрачности и доверия к научным данным.
Регистры:
✅ Фиксируют гипотезу и план анализа ДО начала исследования
✅ Помогают снизить публикационное смещение
✅ Позволяют оценить полноту доказательной базы по выбранной теме
✅ Помогают обеспечить воспроизводимость результатов
 
🌍 Международные регистры:
ClinicalTrials.gov  https://clinicaltrials.gov Крупнейшая база данных клинических исследований (400,000+ исследований из 220 стран). Включает интервенционные и наблюдательные исследования.

EU Clinical Trials Register https://www.clinicaltrialsregister.eu 
Европейская база клинических исследований, проводимых в Европейском Союзе (ЕС) и Европейской экономической зоне (Исландия, Лихтенштейн и Норвегия).

ISRCTN Registry https://www.isrctn.com 
Регистр клинических исследований, признанный в т.ч. Всемирной организацией здравоохранения (ВОЗ) и Международным комитетом редакторов медицинских журналов (ICMJE). Принимает все типы клинических исследований (интервенционные и неинтервенционные), обеспечивает уникальный идентификационный номер для публикации.

Real World Evidence Registry  https://osf.io/registries/rwe
Специализированный регистр RWE-исследований, созданный совместно ISPOR, ISPE, Duke-Margolis Center for Health Policy и National Pharmaceutical Council.
Предназначен для регистрации исследований, оценивающих эффективность лечения с использованием данных реальной практики.

HMA-EMA RWD Catalogues  https://catalogues.ema.europa.eu
Каталоги источников данных реальной практики и RWD-исследований HMA-EMA. Помогают регуляторам, фармацевтическим компаниям и исследователям находить и использовать данные для изучения применения, безопасности и эффективности лекарственных средств.
 
🇷🇺 Российские регистры:
НАРНИС (Национальный регистр наблюдательных исследований) https://narnis.ru 
Российская платформа для регистрации и мониторинга наблюдательных исследований. Создана в целях повышения прозрачности и качества неинтервенционных исследований в России.

💡 Что дальше? О целях, значении и практическом применении регистров мы расскажем в следующих постах. Следите за обновлениями!

#ProКейсы

Уважаемые коллеги,
На связи Ольга Лебедева, сегодня кейс из моей практики:

🤯 Как вы решаете проблему занятости главного исследователя?

Думаю, у всех бывало когда:
✅ центр подходит для исследования;
✅ есть нужные пациенты;
❌ исследователю катастрофически некогда заполнять ИРК, отвечать на квери и т.п.

Для RWE это особенно характерно, т.к. для РКИ есть команда в клиническом центре.
❌ "Монитор приедет и все заполнит"
Мы против!!! Подробнее - в карточке.

Я тогда советую поискать из окружения исследователя помощников, которые станут членами команды: студентов, аспирантов, ординаторов и др., им можно делегировать часть рутинных обязанностей.

Тут ситуация win-win на мой взгляд:
✅ исследователь разгружен;
✅ помощник получает опыт работы в исследовании и вознаграждение.

💡 Вы - исследователь, и это у Вас высокая нагрузка и отсутствие времени
💡 Вы - представитель Спонсора/КИО, и у Вас - исследователь с высокой занятостью.

А как вы решаете эту проблему? Поделитесь в чате, пожалуйста 🙏

Уважаемые коллеги!
📢Сегодня мы рады анонсировать наш новый проект - Хаб знаний "RWE-просвет"

#RWE_просвет

🗂Что это?
Первая в русскоязычном пространстве общедоступная база знаний в области RWD/RWE.

🎯Для чего?
В Хабе знаний вы сможете найти систематизированную и актуальную информацию по теме RWD/RWE. Это особенно важно в условиях увеличивающегося количества исследований, публикаций и регуляций.
Наша цель - не просто делиться знаниями, но дать вам удобный инструмент для поиска информации и актуальных материалов.
"RWE-просвет" образует единую экосистему с каналом ProRWE и проектом "Ваш курс по RWE: реальные данные - реальная польза".

🧐Для кого?
Широкая целевая аудитория - от начинающих до экспертов. Доступ будет открыт для всех желающих.

🗺Где?
На странице рабочей группы RWE на сайте НАИИО.

❄️Когда?
Этой зимой - ожидайте сообщение о запуске в нашем канале.

📽Проект был представлен Татьяной Дунаевой на конференции "Диалоги о клинических исследованиях" 23 октября 2025 г. Посмотреть запись выступления и более подробно ознакомиться с проектом вы можете по ссылке https://rutube.ru/video/5ead2423b0b9311f52bc39c8c6101e0c/?r=a

📌 Не забудьте прийти на новый интеллектуальный баттл «КАПА — всегда и везде» - от группы «СМК» (система менеджмента качества) и группы «Профессиональное и карьерное развитие» НАИИО.
https://t.iss.one/proRWE/108

Дата и время: СЕГОДНЯ - 20 ноября в 19.00

⁉ Кто и что выиграет? – узнаем уже очень скоро
🔹Полина Гремякова (независимый GLP/GCLP аудитор) считает, что любое несоответствие требует разработки и внедрения КАПА.
♦️Олег Шевалдышев (MRQA, MCC Champion, независимый эксперт по качеству, аудитор в клинических исследованиях) считает, что КАПА в клинических исследованиях (GCP) нужна только в определённых случаях.

📊 Регистрация исследований реальной клинической практики: что и как регистрировать

В предыдущем посте мы рассмотрели существующие регистры исследований.Сегодня разберём, какие исследования нужно регистрировать и как это делать правильно.

🔍 Предварительная регистрация помогает обеспечить:
☑️ Надежность результатов — заранее определенный план анализа снижает риск selective reporting и data dredging (когда из множества проведенных анализов публикуются только "удачные" результаты)
☑️ Прозрачность методологии — гипотезы и методы анализа фиксируются до начала исследования, что снижает вероятность их подгонки под полученные результаты (HARKing - Hypothesizing After Results are Known) см. подробнее здесь. https://doi.org/10.1207/s15327957pspr0203_4
☑️ Воспроизводимость исследования — детальное описание методологии на этапе планирования облегчает другим исследователям возможность повторить ваше исследование и подтвердить результаты

📕 Ссылки на ряд рекомендаций по обеспечению прозрачности RWE-исследований отражены в приложенном файле

📝 Что должно быть отражено при регистрации
☑️ Протокол исследования: цели и гипотезы, дизайн, критерии включения/исключения, определения экспозиции и исходов, план статистического анализа
☑️ Временные параметры: период исследования, периоды оценки включения/исключения, периоды оценки исходов
☑️ Источники данных: тип данных, период доступных данных, особенности источника
☑️ Информация о предварительном анализе данных: объем и цели, влияние на дизайн исследования

⏰ Когда регистрировать
Оптимальная последовательность:

1️⃣ Проверка доступности данных - убедитесь, что данные доступны и подходят для исследования
2️⃣ Разработка протокола
3️⃣ Регистрация протокола в публичном регистре
Ключевой принцип: регистрация ДО начала исследования/анализа данных.

📈 Преимущества регистрации
Для исследователей:
❗упрощение процесса публикации (многие журналы не принимают к печати без размещения исследований в регистрах)
✅ защита приоритета исследования
✅ повышение доверия к результатам
✅ демонстрация научной добросовестности

Для научного сообщества:
✅ прозрачность методологии,
✅ снижение риска выборочной публикации,
✅ возможность оценки качества исследования,
✅ улучшение воспроизводимости результатов.

💡 Практические рекомендации
✅ Используйте стандартизированные шаблоны — многие регистры предоставляют готовые шаблоны протоколов
✅ Четко описывайте временные параметры исследования
✅ Документируйте все изменения протокола — указывайте дату, суть изменения и обоснование
✅ Регулярно обновляйте информацию в регистре — добавляйте ссылки на публикации, презентации результатов
✅ Публикуйте результаты независимо от их направленности — негативные результаты также важны для науки

💬 А вы сталкивались с трудностями при регистрации RWE-исследований? Поделитесь опытом в комментариях

Будем рады, если в комментариях расскажите о своих кейсах поподробнее⬇️

🚀 Неделя пропущенных данных в биостатистике.
Отвечаем на вопрос: что можно сделать с пропущенными данными в анализе.

Ранее мы рассказывали об основах работы с пропущенными данными:
📒 понятие пропущенных данных, примеры
📒 классификация, причины
📒 путь пропущенных данных в исследовании (от разработки синопсиса дл отчета об исследовании)

Сегодня мы начинаем наш рассказ о методах биостатистики по работе с пропущенными данными:
✏️ необходимо тщательно отбирать метод в зависимости от контекста и целей исследования,
✏️ методы должны быть прописаны в протоколе и плане статистического анализа исследования,
✏️ методы обработки пропущенных данных различаются по сложности, устойчивости к смещению и сохранению статистической мощности,
✏️ каждый метод имеет четко очерченные границы применения, преимущества и ограничения, что подтверждается сравнительными исследованиями.

❓Какие же методы? 🔹 Анализ полных наблюдений (Complete-case Analysis) (удаление записей с пропусками), применяемый большинством исследователей, но ограниченный по достоверности при большом числе пропусков или неслучайных пропусках (MNAR).
🔹 Анализ доступных случаев (Available-case analysis) (игнорирование пропусков при расчетах), используется для сохранения большей части данных, но с осторожностью. 🔹 Однократная импутация (Single imputation) (заполнение нулями или средними). К примерам однократной импутации относятся: "Метод замены пропущенных данных последним значением" (last observation carried forward (LOCF)), "Метод замены пропущенных данных исходным значением" (baseline observation carried forward (BOCF)), подстановка константы (0, фиксированное число, "нормальное" значение показателя), подстановка среднего (mean imputation).
🔹 Множественная импутация (Multiple Imputation) — современный подход, позволяющий моделировать пропуски на основании других наблюдений.

❗️Внедрение передовых практик, включая оценку закономерностей отсутствия данных, документирование допущений, сочетание взаимодополняющих методов и прозрачных стратегий отчетности, повышает доверие к исследованиям RWE. Эти методы существенно снижают предвзятость и способствуют воспроизводимости, что дает в конечном счете надежные результаты.

🔎 Погрузиться в детали вы можете в публикации Пурви Калра «Обработка отсутствующих данных в RWE и управление отсутствующими данными в RWE», 1 февраля 2025 💡 Следите за следующими нашими обзорами - мы перейдем к деталям😉
💡 В презентации можно ознакомиться с преимуществами и ограничениями методов.

Уважаемые коллеги!

День, когда вы увидите это сообщение, - смело можно называть читательским... 📖 Все наши старания работать над уменьшением размеров постов потерпели крах 🤷‍♀️

Сегодняшняя тема - столь чувствительна, что если мы не внесем ряд четких разъяснений, то всенепременно навлечем на себя ваше негодование 🌪

Посему 2 поста - кейс и "послекейсие"