Multiple imputation to deal with missing EQ-5D-3L data: Should we impute individual domains or the actual index?

Multiple imputation to deal with missing EQ-5D-3L data: Should we impute individual domains or the actual index?

Weitere Versionen anzeigen (1)

PURPOSE: Missing data are a well-known and widely documented problem in cost-effectiveness analyses alongside clinical trials using individual patient-level data. Current methodological research recommends multiple imputation (MI) to deal with missing health outcome data, but there is little guidanc...

Ausführliche Beschreibung

Bibliographische Detailangaben
Hauptverfasser:	Simons, C, Rivero-Arias, O, Yu, L, Simon, J
Format:	Journal article
Sprache:	English
Veröffentlicht:	Springer International Publishing 2015

Ähnliche Einträge

Multiple imputation to deal with missing EQ-5D-3L data: Should we impute individual domains or the actual index?
von: Simons, C, et al.
Veröffentlicht: (2015)

Imputation of missing genotypes: an empirical evaluation of IMPUTE
von: Steinberg Martin H, et al.
Veröffentlicht: (2008-12-01)

Multiple Imputation of Multilevel Missing Data
von: Simon Grund, et al.
Veröffentlicht: (2016-10-01)

Flexible Imputation of Missing Data
von: Hakan Demirtas
Veröffentlicht: (2018-07-01)

ExtraImpute: a novel machine learning method for missing data imputation
von: Alabadla, Mustafa, et al.
Veröffentlicht: (2022)

Missing value imputation for diabetes prediction
von: Luo, Fei, et al.
Veröffentlicht: (2023)

Quantum Circuit for Imputation of Missing Data
von: Claudio Sanavio, et al.
Veröffentlicht: (2024-01-01)

Imputing missing distances in molecular phylogenetics
von: Xuhua Xia
Veröffentlicht: (2018-07-01)

Missing Data Imputation for Supervised Learning
von: Jason Poulos, et al.
Veröffentlicht: (2018-04-01)

Missing Data Imputation for Categorical Variables
von: Jaroslav Horníček, et al.
Veröffentlicht: (2022-09-01)

Missing Data Imputation Method Combining Random Forest and Generative Adversarial Imputation Network
von: Hongsen Ou, et al.
Veröffentlicht: (2024-02-01)

Missing Data Imputation Algorithm for Transmission Systems Based on Multivariate Imputation With Principal Component Analysis
von: Yeon-Sub Sim, et al.
Veröffentlicht: (2022-01-01)

How much missing data is too much to impute for longitudinal health indicators? A preliminary guideline for the choice of the extent of missing proportion to impute with multiple imputation by chained equations
von: K. P. Junaid, et al.
Veröffentlicht: (2025-02-01)

The importance of batch sensitization in missing value imputation
von: Hui, Harvard Wai Hann, et al.
Veröffentlicht: (2023)

Imputation of missing values in breast cancer data
von: Rajagopal, Tejas R.
Veröffentlicht: (2024)

Robust regression imputation for analyzing missing data
von: Rana, Md. Sohel, et al.
Veröffentlicht: (2012)

gcimpute: A Package for Missing Data Imputation
von: Yuxuan Zhao, et al.
Veröffentlicht: (2024-02-01)

A Probabilistic Approach for Missing Data Imputation
von: Muhammed Nazmul Arefin, et al.
Veröffentlicht: (2024-01-01)

Data variability in the imputation quality of missing data
von: Elisandra Lúcia Moro Stochero, et al.
Veröffentlicht: (2024-04-01)

Missing Data Imputation in Internet of Things Gateways
von: Cinthya M. França, et al.
Veröffentlicht: (2021-10-01)

Imputing Missing Data in Hourly Traffic Counts
von: Muhammad Awais Shafique
Veröffentlicht: (2022-12-01)

The importance of batch sensitization in missing value imputation
von: Harvard Wai Hann Hui, et al.
Veröffentlicht: (2023-02-01)

Missing value imputation Techniques: A Survey
von: Wafaa Mustafa Hameed, et al.
Veröffentlicht: (2023-03-01)

Combining multiple imputation and control function methods to deal with missing data and endogeneity in discrete-choice models
von: Gopalakrishnan, Raja, et al.
Veröffentlicht: (2021)

Multiple imputation to deal with missing objectively-measured physical activity data: findings from two cohorts
von: Rafaela Costa Martins, et al.
Veröffentlicht: (2021-07-01)

A new analytical framework for missing data imputation and classification with uncertainty: Missing data imputation and heart failure readmission prediction.
von: Zhiyong Hu, et al.
Veröffentlicht: (2020-01-01)

Imputing missing genotypes: effects of methods and patterns of missing data
von: Ogut Funda, et al.
Veröffentlicht: (2011-09-01)

Multiple imputation of missing data under missing at random: including a collider as an auxiliary variable in the imputation model can induce bias
von: Elinor Curnow, et al.
Veröffentlicht: (2023-09-01)

Using multiple imputation to deal with missing data and attrition in longitudinal studies with repeated measures of patient-reported outcomes
von: Biering K, et al.
Veröffentlicht: (2015-01-01)

An Evaluation of Machine Learning Algorithms for Missing Values Imputation
von: Kohbalan, Moorthy, et al.
Veröffentlicht: (2019)

Missing variability in meta-analysis : is imputing always good?
von: Nik Idris, Nik Ruzni, et al.
Veröffentlicht: (2006)

Imputing missing values in modelling the PM10 concentrations
von: Nuradhiathy Abd Razak,, et al.
Veröffentlicht: (2014)

Tensor factorization for missing data imputation in medical questionnaires
von: Dauwels, Justin, et al.
Veröffentlicht: (2013)

Advances in Biomedical Missing Data Imputation: A Survey
von: Miriam Barrabes, et al.
Veröffentlicht: (2025-01-01)

A Comprehensive Bibliometric Analysis of Missing Value Imputation
von: Heru Nugroho, et al.
Veröffentlicht: (2024-01-01)

Missing data imputation using classification and regression trees
von: Cheng-Yang Chen, et al.
Veröffentlicht: (2024-06-01)

Missing Data Imputation in the Internet of Things Sensor Networks
von: Benjamin Agbo, et al.
Veröffentlicht: (2022-05-01)

Multiple Imputation of Missing Data in Educational Production Functions
von: Amira Elasra
Veröffentlicht: (2022-03-01)

Imputation of Missing Clinical Covariates for Downstream Classification Problems
von: Benjamin Agbo, et al.
Veröffentlicht: (2023-01-01)

Missing Value Imputation Methods for Electronic Health Records
von: Konstantinos Psychogyios, et al.
Veröffentlicht: (2023-01-01)