To account for missing data by MI,

To account for missing data by MI, we identified the
baseline variables that were best predictors of whether a
subject completed follow-up and used these in a multiple
imputation to predict missing values of the outcomes. Based
on the literature we assumed that low GAF score, age,
duration of illness, compliance at baseline, and abuse status
were both related to whether a patient would fail to complete
follow-up and what the missing values would have been had
they not been missing. 10 sets of multiply imputed data were
generated and analyzed.
All analyses were conducted in Stata 10.

ผลลัพธ์ (ไทย) 1:

การบัญชีสำหรับขาดหายไปข้อมูลโดย MI ที่เราระบุการตัวแปรพื้นฐานที่สุดทำนายว่าเป็นเรื่องติดตามผลสมบูรณ์ และใช้เหล่านี้ในหลายimputation ทำนายค่าที่ขาดหายไปของผล คะแนนในวรรณคดี เราสันนิษฐาน GAF ที่ต่ำคะแนน อายุระยะเวลาของการเจ็บป่วย การปฏิบัติตามกฎพื้นฐาน และการละเมิดสถานะทั้งสองเกี่ยวข้องกับไม่ว่าผู้ป่วยจะล้มเหลวให้เสร็จสมบูรณ์หรือไม่ติดตามผลและค่าใดหายไปจะได้รับมีพวกเขาไม่ได้หายไป อย่างกลมควาบข้อมูลมี 10 ชุดสร้าง และวิเคราะห์ทั้งหมดวิเคราะห์ได้ดำเนินการใน Stata 10

ผลลัพธ์ (ไทย) 2:

บัญชีสำหรับข้อมูลที่หายไปโดย MI เราระบุ
ตัวแปรพื้นฐานที่มีการพยากรณ์ที่ดีที่สุดของไม่ว่าจะเป็น
เรื่องเสร็จสิ้นการติดตามและใช้งานเหล่านี้ในหลาย
ใส่ร้ายในการทำนายค่าที่ขาดหายไปของผลลัพธ์ จาก
วรรณกรรมที่เราสันนิษฐานว่าต่ำคะแนน GAF อายุ
ระยะเวลาการเจ็บป่วยการปฏิบัติตามที่ baseline และสถานะการละเมิด
ทั้งสองเกี่ยวข้องกับว่าผู้ป่วยจะล้มเหลวในการดำเนินการ
ติดตามและสิ่งที่เป็นค่าที่ขาดหายไปจะได้รับการมี
พวกเขาไม่ได้รับการ หายไป 10 ชุดของข้อมูลกล่าวหาคูณถูก
สร้างและวิเคราะห์.
วิเคราะห์ทั้งหมดถูกดำเนินการใน Stata 10