Évaluation et amélioration du traitement des données manquantes dans ERA-GEE : une étude de simulation et empirique avec des données longitudinales de grande dimension

Résumé du projet

Les données manquantes constituent un défi courant dans les études longitudinales telles que l'Étude longitudinale canadienne sur le vieillissement ( ÉLCV ), qui recueille des renseignements auprès des participants de manière répétée sur plusieurs années. Étant donné que la participation à long terme à de nombreuses mesures est difficile à maintenir, les données manquantes sont fréquentes et peuvent compromettre les analyses statistiques et les conclusions. Les méthodes courantes de traitement des données manquantes — comme la suppression des observations incomplètes ou le remplissage des valeurs manquantes avant l'analyse — présentent d'importantes limites, notamment pour les données longitudinales complexes. Cette recherche vise à développer et à évaluer une nouvelle méthode de gestion des données manquantes adaptée à un cadre statistique conçu pour les études longitudinales comportant de nombreuses mesures au fil du temps, comme c'est généralement le cas. ÉLCV La méthode proposée sera comparée à deux approches existantes à l'aide de données simulées afin d'évaluer ses propriétés statistiques et sera appliquée à la recherche. ÉLCV pour démontrer sa valeur pratique. Ce travail fait progresser la méthodologie des données manquantes et renforce ÉLCV analyses.