• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

临床和实验研究中的异常值与缺失数据。

Anomalous values and missing data in clinical and experimental studies.

作者信息

Miot Hélio Amante

机构信息

Universidade Estadual Paulista - UNESP, Faculdade de Medicina de Botucatu, Departamento de Dermatologia e Radioterapia, Botucatu, SP, Brasil.

出版信息

J Vasc Bras. 2019 May 21;18:e20190004. doi: 10.1590/1677-5449.190004.

DOI:10.1590/1677-5449.190004
PMID:31320882
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC6634950/
Abstract

During analysis of scientific research data, it is customary to encounter anomalous values or missing data. Anomalous values can be the result of errors of recording, typing, measurement by instruments, or may be true outliers. This review discusses concepts, examples and methods for identifying and dealing with such contingencies. In the case of missing data, techniques for imputation of the values are discussed in, order to avoid exclusion of the research subject, if it is not possible to retrieve information from registration forms or to re-address the participant.

摘要

在分析科研数据时，遇到异常值或缺失数据是很常见的。异常值可能是记录、打字、仪器测量错误的结果，也可能是真正的离群值。本综述讨论了识别和处理此类意外情况的概念、示例及方法。对于缺失数据的情况，如果无法从登记表中获取信息或重新联系参与者，将讨论数据插补技术，以避免排除研究对象。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/81f2/6634950/590b1af183be/jvb-18-e20190004-g01.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/81f2/6634950/a0326f088512/jvb-18-e20190004-g01-en.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/81f2/6634950/590b1af183be/jvb-18-e20190004-g01.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/81f2/6634950/a0326f088512/jvb-18-e20190004-g01-en.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/81f2/6634950/590b1af183be/jvb-18-e20190004-g01.jpg

相似文献

1
Anomalous values and missing data in clinical and experimental studies.临床和实验研究中的异常值与缺失数据。
J Vasc Bras. 2019 May 21;18:e20190004. doi: 10.1590/1677-5449.190004.
2
Outlier Removal in Model-Based Missing Value Imputation for Medical Datasets.基于模型的医学数据集缺失值插补中的异常值剔除。
J Healthc Eng. 2018 Feb 4;2018:1817479. doi: 10.1155/2018/1817479. eCollection 2018.
3
The identification, impact and management of missing values and outlier data in nutritional epidemiology.营养流行病学中缺失值和异常值数据的识别、影响及管理
Nutr Hosp. 2015 Feb 26;31 Suppl 3:189-95. doi: 10.3305/nh.2015.31.sup3.8766.
4
Multiple imputation: dealing with missing data.多重插补：处理缺失数据。
Nephrol Dial Transplant. 2013 Oct;28(10):2415-20. doi: 10.1093/ndt/gft221. Epub 2013 May 31.
5
Handling missing data in nursing research with multiple imputation.采用多重填补法处理护理研究中的缺失数据。
Nurs Res. 2001 Nov-Dec;50(6):384-9. doi: 10.1097/00006199-200111000-00010.
6
Dealing with missing data in a multi-question depression scale: a comparison of imputation methods.处理多问题抑郁量表中的缺失数据：插补方法比较
BMC Med Res Methodol. 2006 Dec 13;6:57. doi: 10.1186/1471-2288-6-57.
7
Multiple imputation in veterinary epidemiological studies: a case study and simulation.兽医流行病学研究中的多重填补：一个案例研究与模拟
Prev Vet Med. 2016 Jul 1;129:35-47. doi: 10.1016/j.prevetmed.2016.04.003. Epub 2016 May 13.
8
On mining incomplete medical datasets: Ordering imputation and classification.关于挖掘不完整医学数据集：排序插补与分类。
Technol Health Care. 2015;23(5):619-25. doi: 10.3233/THC-151018.
9
Dealing with missing values in large-scale studies: microarray data imputation and beyond.处理大规模研究中的缺失值：微阵列数据插补及其他方法。
Brief Bioinform. 2010 Mar;11(2):253-64. doi: 10.1093/bib/bbp059. Epub 2009 Dec 4.
10
Data Driven Estimation of Imputation Error-A Strategy for Imputation with a Reject Option.基于数据驱动的插补误差估计——一种带有拒绝选项的插补策略。
PLoS One. 2016 Oct 10;11(10):e0164464. doi: 10.1371/journal.pone.0164464. eCollection 2016.

引用本文的文献

1
Understanding the causal effects and heterogeneity between metabolic syndrome and lung function: a nationwide prospective cohort study in China.了解代谢综合征与肺功能之间的因果关系及异质性：一项中国全国性前瞻性队列研究。
Diabetol Metab Syndr. 2025 Jul 2;17(1):248. doi: 10.1186/s13098-025-01821-6.
2
A Comprehensive Dataset of Surface Water Quality Spanning 1940-2023 for Empirical and ML Adopted Research.一个涵盖1940年至2023年地表水水质的综合数据集，用于实证研究和机器学习相关研究。
Sci Data. 2025 Mar 6;12(1):391. doi: 10.1038/s41597-025-04715-4.
3
Bicalutamide 25 mg combined with minoxidil 1 mg versus minoxidil 1 mg for female pattern hair loss: A randomized double-blind clinical trial.

本文引用的文献

1
Correlation analysis in clinical and experimental studies.临床与实验研究中的相关性分析。
J Vasc Bras. 2018 Oct-Dec;17(4):275-279. doi: 10.1590/1677-5449.174118.
2
Comparison of statistical approaches for analyzing incomplete longitudinal patient-reported outcome data in randomized controlled trials.随机对照试验中分析不完全纵向患者报告结局数据的统计方法比较
Patient Relat Outcome Meas. 2018 Jun 21;9:197-209. doi: 10.2147/PROM.S147790. eCollection 2018.
3
[Not Available].[无可用内容]。
比卡鲁胺25毫克联合米诺地尔1毫克与米诺地尔1毫克治疗女性型脱发的随机双盲临床试验。
JAAD Int. 2025 Jan 10;19:48-55. doi: 10.1016/j.jdin.2024.12.002. eCollection 2025 Apr.
4
Assessment of the Efficacy and Durability of IncobotulinumtoxinA in the Treatment of the Upper Face in Adult Women.成人女性面部上半部分治疗中因卡波肉毒素A的疗效和持久性评估
Dermatol Ther (Heidelb). 2024 Aug;14(8):2093-2108. doi: 10.1007/s13555-024-01216-x. Epub 2024 Jul 2.
5
Personal predictive model based on systemic inflammation markers for estimation of postoperative pancreatic fistula following pancreaticoduodenectomy.基于全身炎症标志物的个人预测模型用于评估胰十二指肠切除术后胰瘘
World J Gastrointest Surg. 2022 Sep 27;14(9):963-975. doi: 10.4240/wjgs.v14.i9.963.
6
Machine Learning-Assisted Ensemble Analysis for the Prediction of Acute Pancreatitis with Acute Kidney Injury.机器学习辅助集成分析用于预测急性胰腺炎合并急性肾损伤
Int J Gen Med. 2022 May 17;15:5061-5072. doi: 10.2147/IJGM.S361330. eCollection 2022.
7
Integrative Analysis of Peripheral Blood Indices for the Renal Sinus Invasion Prediction of T1 Renal Cell Carcinoma: An Ensemble Study Using Machine Learning-Assisted Decision-Support Models.外周血指标对T1期肾细胞癌肾窦侵犯预测的综合分析：一项使用机器学习辅助决策支持模型的综合研究
Cancer Manag Res. 2022 Feb 15;14:577-588. doi: 10.2147/CMAR.S348694. eCollection 2022.
8
Prevalence and factors associated with body dysmorphic disorder in women under dermatological care at a Brazilian public institution.巴西公立医疗机构皮肤科就诊女性中躯体变形障碍的流行情况及相关因素分析。
An Bras Dermatol. 2021 Jan-Feb;96(1):40-46. doi: 10.1016/j.abd.2020.06.003. Epub 2020 Nov 18.
9
Profile of the use of dermoscopy among dermatologists in Brazil (2018).巴西皮肤科医生使用皮肤镜检查情况（2018年）。
An Bras Dermatol. 2020 Sep-Oct;95(5):602-608. doi: 10.1016/j.abd.2020.04.007. Epub 2020 Jul 15.
J Vasc Bras. 2017 Oct-Dec;16(4):267-269. doi: 10.1590/1677-5449.001604.
4
[Not Available].[无可用内容]
J Vasc Bras. 2017 Apr-Jun;16(2):88-91. doi: 10.1590/1677-5449.041117.
5
[Not Available].[不可用]。
J Vasc Bras. 2016 Apr-Jun;15(2):89-92. doi: 10.1590/1677-5449.004216.
6
Robust multivariate nonparametric tests for detection of two-sample location shift in clinical trials.稳健的多元非参数检验方法在临床试验中用于检测两样本位置偏移。
PLoS One. 2018 Apr 19;13(4):e0195894. doi: 10.1371/journal.pone.0195894. eCollection 2018.
7
Robust detrending, rereferencing, outlier detection, and inpainting for multichannel data.稳健去趋势、重参考、异常值检测和多通道数据修复。
Neuroimage. 2018 May 15;172:903-912. doi: 10.1016/j.neuroimage.2018.01.035. Epub 2018 Feb 12.
8
Multiple Imputation for Incomplete Data in Epidemiologic Studies.在流行病学研究中对不完全数据的多重插补。
Am J Epidemiol. 2018 Mar 1;187(3):576-584. doi: 10.1093/aje/kwx349.
9
Methods for handling longitudinal outcome processes truncated by dropout and death.处理因失访和死亡而截断的纵向结局过程的方法。
Biostatistics. 2018 Oct 1;19(4):407-425. doi: 10.1093/biostatistics/kxx045.
10
A comparison of multiple imputation methods for incomplete longitudinal binary data.不完全纵向二元数据的多重填补方法比较
J Biopharm Stat. 2018;28(4):645-667. doi: 10.1080/10543406.2017.1372772. Epub 2017 Nov 27.