队列研究中，如何计算随访率

随访率是随访完整性的标准指标，对于评估前瞻性或回顾性纵向队列数据集是否足以用于研究十分重要。低随访率容易引起信息审查、偏倚和统计效力方面的问题。随着电子医疗记录（EMRs）的普及，准确评估随访率也变得越来越重要。医院和门诊的数据库越来越多地被用于科学研究。但是，需要仔细审查这些数据是否足以被用于研究。

临床研究存在许多偏倚来源，但随访率提供了一个快速简便的工具，可以在对数据的充分性进行深入评估之前，初步筛选合适的回顾性队列研究。根据Cochrane手册和Consort指南，最常见的评估随访完整性的方法是“百分比法”，即在实验终点留存下的受试者占实验最初的受试者的百分比。但是，这种方法有些“天真”。因为，它不能区分在实验初期脱落的受试者和在实验后期脱落的受试者。事实上，这种方法是把所有脱落的受试者看做从一开始就脱离了实验，这会严重低估队列中的随访率，最终导致错误的结论。

也有一些方法对“百分比法”进行了改进，例如中位随访时间（the median follow-up time）。但是，关于如何计算也一直存在争议，是计算所有受试者的，还是只计算脱落的受试者，还是计算其他变异？每一种都存在问题。因为时间-事件研究必须有较长的随访时间，才能获取到足够的事件，从而得到充足的统计效力，所以，在队列随访研究中，我们需要同时关注时间和随访完整性。此外，还有反向Kaplan-Meier（KM）生存曲线和Clark’s Completeness Index（CCI）也被用来评估随访完整性。但是，也都存在缺陷。

来自Albert Einstein College of Medicine的流行病学和公卫团队提出了一个新的定义——Person-time follow-up rate（PTFR）来解决这些问题。它使用观察到的person-time除以假设没有受试者脱落的person-time。PTFR不能直接计算，因此，有两个方法来进行估算。一个是formal person-time method (FPT)，预期的总跟踪时间是使用从观测数据估计的事件率来计算的。另一个是simplified person-time method (SPT)，通过分配全程随访时间的所有事件，不需要事件发生率的估计。为了测试准确性，每个方法都进行了实际数据的模拟。

模拟的结果显示，FPT的精确度最高。在大多数情况下，SPT和CCI方法只稍有偏差。在癌症复发的5年随访队列研究中，FPT、CCI和SPT计算出的随访率比“百分比法”高。

PTFR方法纠正了“百分比方法”中计算随访率的系统误差。SPT和CCI方法可以联合使用，可以获得更准确和紧密间隔的PTFR。FRT更适合用在脱落率很高到的情况下。

原始出处：Xiaonan Xue, et al. New methods for estimating follow-up rates in cohort studies. BMC Medical Research Methodology. Dec 1 2017.

据说点“在看”的都成功发表SCI了呢