标题、出版日期和期刊”

联合王国地区胎儿酒精谱紊乱患病率 - 一种基于人群的促进群组研究。预防医学;McQuire C等人，2018年11月。

研究的主要索赔 - 他们是由数据升级

这篇论文并不支持英国的FASD患病率高于其他国家的平均患病率的说法。

论文和新闻声明中的措辞确实反映了这种不确定性，其中“本可以”一词被用来概括基于大量缺失数据得出的结论中的不确定性。

McQuire博士在她报在新闻发布会上,使用这个词“重大”的患儿症状和健康风险,这似乎是投机,因为没有量化的这些纸和之前的数据来自一段最新变化的指导。

优势/限制

优势：

认识到缺失数据对结果度量的影响。

MICE技术的运用;尽管注意缺失的假设(见下文)

限制：

使用Missing at Random (MAR)来推断缺失值——这假设数据的存在/缺失与其他未缺失数据的值无关。这一假设似乎不太可能成立，这是作者所承认的。这是因为,根据完成情况的结果小样本和基线特征总结在附录5中,它显示了不同的教育,母亲的年龄,和父亲的社会阶层比较完整的例子群与多个估算数据(没有缺失数据)(17%)。结果取决于输入数据时应用的调整，虽然比不尝试任何调整要好，但它还没有与其他数据来源进行验证，因此，尽管有人试图部分解释这一点，但这些因素(如教育背景、母亲年龄、父亲的社会阶层等)仍然可能影响结果。

目前尚不清楚的是，对缺失数据的归因所涉及的不确定性是否已在结果的总体不确定性中加以考虑。从缺失数据中估算值的数据集的百分比越大，结果分析的不确定性就越大。在上界和下界中，我都期望多重归因有更多的不确定性;如果我是正确的，那么下界很可能更接近于完整案例的上界，而上界很可能远低于17%，即接近11%

词汇表

使用链式方程的多重输入(MICE)是一种复杂但公认的技术，用于输入数据丢失的多个参数的值。

如果丢失和观察值之间的任何系统差异可以通过观察数据的差异完全解释，则随机缺少数据（MAR）。例如，如果缺失的血压测量低于观察到的措施，但仅仅因为年轻人不太可能被监测的血压不太可能被监测，那么据说数据被赋予时间。

是否与纸张（超越统计）相关的任何特定专业知识？

没有任何。