尽管在临床试验中努力减少丢失结局数据的发生，这种情况仍然很普遍。2020年8月，黎巴嫩、荷兰、英国等国学者发表在《BMJ》的一项归因研究，考察了缺失结局数据对系统评价中的治疗效果的潜在影响。

目的：旨在评估系统评价中缺失结局数据相关的偏倚风险。

设计：归因研究。

数据来源：系统评价。

人群：纳入群体层面Meta分析且对患者重要二分有效性结局具有统计学显著影响的100项系统评价。

主要结局测量指标：当应用以下假设时的相对影响估计值改变的中位百分比：基于信息缺失比值比（IMOR）方法（IMOR1.5（最不严格）、IMOR2、IMOR3、IMOR5（最严格））得出的缺失数据4个常讨论但不合理的假设（最佳情况、没有事件、都有事件、最坏情况）和4个合理假设；观察每种方法超过无效结果阈值的Meta分析的百分比，以及每种方法定性改变效果方向的Meta分析的百分比。基于处理缺失数据的8种不同方法进行敏感性分析。

结果：纳入了包括653项随机对照试验的100项系统评价。当应用不合理但常讨论的假设时，相对影响评估值改变的中位值范围从0%到30.4%。超过无效效果阈值的Meta分析的百分比从1%（最佳情况）到60%（最坏情况）不等，向最坏情况方向改变了26%。当应用合理假设时，相对影响评估值改变的中位值范围从1.4%到7.0%。超过无效效果阈值的Meta分析的百分比变化范围从6%（IMOR1.5）到22%（IMOR 5）不等，向最严格（IMOR 5）方向改变了2%。

结论：即使将合理假设应用于具有明确缺失数据的参与者的结局中，汇总相对效果估计的平均变化也是实质性的，并且几乎四分之一（22%）的荟萃分析超过了无效效果阈值。系统评价作者应提出缺失结果数据对其效果评估的潜在影响，并以此来告知偏倚风险的总体GRADE（建议分级评估、开发和评估）等级及其对结果的解释。

（选题审校：徐晓涵 编辑：丁好奇）
（本文由北京大学第三医院药剂科翟所迪教授及其团队选题并审校，环球医学资讯编辑完成。）

（专家点评：为了评估在系统评价中缺失结局数据相关的偏倚风险，研究组进行了一项插补研究。筛选包括患者重要对立疗效结局有统计学显著效果的组水平荟萃分析的系统评价。）

参考资料：
BMJ. 2020 Aug 26;370:m2898.
Potential impact of missing outcome data on treatment effects in systematic reviews: imputation study
https://pubmed.ncbi.nlm.nih.gov/32847800/