Disponibilità e Completezza dei Dati: Strategie per Gestire Informazioni Mancanti

Dati incompleti sono una sfida universale in ricerca, analisi aziendali, sanità e policy. La frase "il numero di persone che ottengono non è specificato" riflette una realtà fondamentale: i dataset raramente catturano tutto ciò che ci serve. Questa guida fornisce un approccio strutturato per valutare, affrontare e comunicare i gap nei dati.

Tipi di Dati Mancanti (Framework di Rubin)

• MCAR (Missing Completely at Random): Mancanza non correlata a dati osservati o non osservati. Esempio: pagina questionario persa nella posta. Raro nella pratica.
• MAR (Missing at Random): Mancanza dipende da dati osservati ma non da non osservati. Esempio: rispondenti alto reddito meno propensi a riportare reddito (reddito osservato per altri).
• MNAR (Missing Not at Random): Mancanza dipende dal valore non osservato stesso. Esempio: persone con depressione grave meno propense a completare questionario depressione. Più problematico.

Diagnosi Pattern di Mancanza

• Mappe/heatmap mancanza: Visualizzare pattern tra variabili e osservazioni.
• Test MCAR di Little: Test statistico (potenza limitata con N grande).
• Regressione logistica indicatori mancanza: Predire mancanza da variabili osservate → evidenza per MAR.
• Analisi sensibilità: Testare come conclusioni cambiano sotto diverse assunzioni MNAR.

Strategie per Affrontare Dati Mancanti

1. Prevenzione (Migliore Strategia)

• Disegno studio: Minimizzare onere, pilotare strumenti, protocolli follow-up.
• Raccolta dati: Validazione real-time, campi obbligatori, incentivi.
• Linkage amministrativo: Integrare survey con dati registry/EHR.

2. Analisi Casi Completi (Listwise Deletion)

• Valida solo sotto MCAR (non distorta ma inefficiente).
• Sotto MAR/MNAR: Stime distorte, potenza ridotta.
• Accettabile se <5% mancanti e MCAR plausibile.

3. Imputazione Singola (Generalmente Sconsigliata per Analisi)

• Imputazione media/mediana/moda: Sottostima varianza, distorce distribuzioni.
• Imputazione regressione: Sovrastima precisione.
• Last observation carried forward (LOCF): Distorta per dati longitudinali.
• Usare solo per sintesi descrittive o lavoro esplorativo.

4. Imputazione Multipla (MI) — Gold Standard per MAR

1. Imputa: Crea m (tipicamente 20-100) dataset completi usando equazioni a catena (MICE) o modellazione congiunta.
2. Analizza: Esegue analisi identica su ogni dataset.
3. Combina: Unisce stime usando regole di Rubin (varianza within + between imputazione).

Requisiti: Includere tutte variabili analisi + predittori mancanza + variabili ausiliarie. Verificare convergenza, diagnostici imputazione.

5. Maximum Likelihood / Full Information ML (FIML)

• Stima direttamente parametri usando tutti dati osservati (nessun step imputazione).
• Standard in SEM (lavaan, Mplus), modelli misti (lme4, nlme).
• Assume MAR; efficiente, non distorta sotto corretta specificazione modello.

6. Inverse Probability Weighting (IPW)

• Pesa casi completi per inversa probabilità essere osservati.
• Richiede corretta specificazione modello mancanza.
• Utile per non-risposta survey, censoring.

7. Analisi Sensibilità per MNAR

• Modelli pattern-mixture: Parametri diversi per pattern mancanti vs osservati.
• Modelli selezione: Modello congiunto outcome e meccanismo mancanza.
• Delta-adjustment / tipping point: Spostare valori imputati sistematicamente; trovare dove conclusione cambia.
• Elicitazione esperti: Quantificare plausibili deviazioni MNAR.

Standard Reporting (Trasparenza)

• Diagramma flusso: Screened → Eligible → Enrolled → Analyzed (CONSORT/STROBE).
• Mancanza per variabile: Conteggio, percentuale, pattern.
• Confronto: Casi completi vs incompleti su variabili osservate.
• Metodo: Dichiarazione esplicita approccio, assunzioni, software, diagnostici.
• Sensibilità: Risultati sotto assunzioni alternative.

Framework Decisionale Pratico

1. Quantificare: Quanto manca? Quali variabili? Pattern monotono o arbitrario?
2. Diagnosticare: Test MCAR, predittori mancanza, plausibilità soggettiva MAR vs MNAR.
3. Selezionare metodo: MI (general purpose), FIML (SEM/longitudinale), IPW (survey), casi completi (minimale MCAR).
4. Implementare con cura: Includere variabili ausiliarie, verificare diagnostici, usare m sufficiente.
5. Analisi sensibilità: Al minimo, confrontare casi completi vs MI.
6. Riportare trasparentemente: Abilitare lettore a giudicare credibilità.

Dati mancanti non sono una seccatura tecnica — sono una sfida di disegno e inferenza. L'obiettivo non è "riempire" numeri ma fare inferenze valide rappresentando onestamente l'incertezza.