我們知道，臨床試驗(yàn)是一個(gè)過(guò)程，它所搜集的數(shù)據(jù)，不僅帶著 baseline，還會(huì)包括 screening 以及 post baseline 后的逐次 visit，也就是說(shuō)，它更多的是時(shí)間序列數(shù)據(jù)，需要在不同的 time point 對(duì)每位受試者作重復(fù)的 test，那么這個(gè)過(guò)程中，由于各種可以避免的或者不可避免的原因，總之，會(huì)出現(xiàn)某些 subject 在某個(gè) test 的某次 visit 的 value 為缺失值。這種情況下，是刪掉該次 record 棄而不用，還是采取一些技術(shù)盡可能地利用所搜集上來(lái)的信息呢？

由于臨床試驗(yàn)通常的規(guī)模和總體控制的復(fù)雜性，dropout 幾乎是一種常態(tài)。究其原因，不例外是兩種，隨機(jī)的或者非隨機(jī)的。什么意思？受試者搬家了導(dǎo)致的和臨床試驗(yàn)本身無(wú)關(guān)的這類，我們通常視為隨機(jī)，認(rèn)為這種信息并不會(huì)反映臨床試驗(yàn)藥物或者器械的某種帶有傾向性的信息，但是，若受試者是因?yàn)榕R床試驗(yàn)藥物治療加重病情這類的原因?qū)е?dropout，自然這類信息與臨床試驗(yàn)的安全性或者療效有關(guān)，在做統(tǒng)計(jì)分析時(shí)，是一定不能忽視錯(cuò)過(guò)的，對(duì)于這些帶有 missing values 的 records，也不能簡(jiǎn)單的 discard 掉。

但是，作為統(tǒng)計(jì)人員，有些時(shí)候，我們并不能主觀的完成這種隨機(jī)或非隨機(jī) dropout 的判定，因而，出現(xiàn)了填補(bǔ)缺失值這類的技術(shù)。我們今天講的，就是其中的一個(gè)方法：LOCF，即 last observation carried forward。這種方法本身也很好理解，由于是時(shí)間序列數(shù)據(jù)，上一次未缺失的 observation 的 value 會(huì)作為它下一個(gè)時(shí)間點(diǎn)的 value，即我們認(rèn)為該次 record 保持與上一次觀測(cè)時(shí)一致，這就是 LOCF 的 assumption。這在臨床試驗(yàn)的數(shù)據(jù)處理中，是一種常見(jiàn)的操作。一般來(lái)講，F(xiàn)DA 也視 LOCF 為比較合適的填補(bǔ)此類數(shù)據(jù)的方法之一，雖然它無(wú)法極為精確地還原真實(shí)情況，但相對(duì)于直接 discard 掉 missing values，它還是利用了部分?jǐn)?shù)據(jù)的信息，只是較為保守一些。

舉一個(gè)數(shù)據(jù)的例子，供大家理解上述說(shuō)明：

對(duì)于 LOCF imputation 的 SAS 實(shí)現(xiàn)，我們其實(shí)在這篇文章里 集合，來(lái)刷題了 已經(jīng)講過(guò)。當(dāng)時(shí)我們用到了 dow 循環(huán)，在關(guān)注我的朋友們中，一定有更好的實(shí)現(xiàn)方法，歡迎大家留言討論。這里由于是 統(tǒng)計(jì)板塊，就不講編程了，再提供一個(gè)小思路供大家參考---可以在 merge 時(shí) retain 一個(gè)或幾個(gè) temporary variable，用來(lái)存儲(chǔ)需要進(jìn)行傳遞的 value 值，即可。

### 細(xì)節(jié)

另外，提醒一點(diǎn)，一般來(lái)講，若 last observation 為 pre-dose 階段，即作為 baseline 的 visit 0，它的 value 一般不 carried forward 到 dosing 階段，除非是需要計(jì)算 change from baseline 時(shí)的操作需要用到；同時(shí)，dosing 階段的 value 也不會(huì) carried foraward 到 follow-up visits。