南方医科大学学报

作者：李柯柯, 徐利珊, 于米铼, 安胜利

单位：南方医科大学公共卫生学院生物统计学系，广东 广州 510515

关键词：一致性评价,无序评价,AC1系数,缺失数据,

基金：广东省基础与应用基础研究基金(2022A1515012152)

目的 通过模拟研究探讨不同缺失值处理方法对AC1系数（第一阶一致性系数）估计的影响，为实际应用提供参考。 方法 使用Monte Carlo模拟生成不同缺失机制下的无序评价数据，模拟参数包括评价者数量、类别数量、样本量、疾病流行率、偶然评价率和缺失比例。比较删除零评价受试者法、删除非完整评价受试者法、评价者众数填补法和受试者众数填补法4种缺失值处理方法，以偏差（bias）和均方误差（MSE）作为评价指标。 结果 在疾病流行率均衡或缺失机制为完全随机缺失（MCAR）/随机缺失（MAR）时，删除零评价受试者法表现最佳，在缺失比例低于30%时偏差和MSE近乎为0。而当流行率非均衡且存在非随机缺失（MNAR）时，受试者众数填补法更具优势，其偏差控制在±0.10以内，MSE保持在0.09以下，尤其在样本量充足且缺失比例不超过30%时MSE几乎为0。评价者众数填补法在所有场景中表现最差。删除非完整评价受试者法仅在2评价者2分类、低缺失比例且为MCAR/MAR时误差较小，其他场景下稳定性不足。 结论 不存在一种普遍最优的缺失值处理方法。在流行率均衡或可假设数据缺失机制为MCAR和MAR时，推荐删除零评价受试者法；在流行率非均衡且怀疑存在MNAR时，推荐受试者众数填补法。此外，建议研究者同时汇报多种方法下的AC1系数估计值以评估结果敏感性。

来源：2026年第2期

《南方医科大学学报》期刊编辑部

查看南方医科大学学报杂志2026年第2期