BACKGROUND Missing data decreasing study power and introducing bias, thereby undermining a registry's ability to draw valid inferences. We evaluated how missing data are reported and addressed in heart transplantation (HT) studies using the United Network for Organ Sharing (UNOS) database. METHODS We conducted a systematic literature search of Medline from January 1, 2018 through August 22, 2023 and included studies that used the UNOS database to evaluate adult (≥18 years) de novo HT recipients. We collected details on the study population, timeframe, primary end-point, use of missing data, and whether and what methods were used to handle missing data. Approaches were classified as variable selection, complete case analysis (CCA), missing indicator method, single imputation, or multiple imputation. RESULTS Of the 229 included studies, 67 (29.3%) limited their cohorts to those without missing data for the outcome or key variables and 93 (40.6%) reported missing data in their final cohort. 78 (34.1%) studies reported how they handled missing data in their statistical modeling. Of these, CCA was most used (n = 41, 52.6%) followed by multiple imputation (n = 22, 28.2%), and other methods (n = 15, 19.2%). Thirty-one (13.5%) studies reported removing covariates from their analysis because of missingness. CONCLUSIONS Merely a third of the identified UNOS database studies reported how they handled missing data in their analysis, with strategies varying. Although no singular approach to handling missing data exists, methods are available that can improve upon the most used approaches. Future best practices should include explicit reporting of missingness, detailed methods, and sensitivity checks.

中文翻译：

---

使用 UNOS 数据库对观察性研究中缺失数据的报告和处理的系统评价。


背景 缺失数据会降低研究能力并引入偏倚，从而削弱登记处得出有效推论的能力。我们使用器官共享联合网络 （UNOS） 数据库评估了心脏移植 （HT） 研究中如何报告和解决缺失数据。方法 我们从 2018 年 1 月 1 日至 2023 年 8 月 22 日对 Medline 进行了系统文献检索，并纳入了使用 UNOS 数据库评估成人 （≥18 岁） 新发 HT 接受者的研究。我们收集了有关研究人群、时间框架、主要终点、缺失数据的使用以及是否使用和使用何种方法处理缺失数据的详细信息。方法分为变量选择、完整病例分析 （CCA） 、缺失指标法、单次插补或多重插补。结果 在纳入的 229 项研究中，67 项 （29.3%） 将其队列限制在那些没有结局或关键变量数据缺失的研究中，93 项 （40.6%） 报告在最终队列中缺失数据。78 项 （34.1%） 研究报告了他们如何处理统计建模中的缺失数据。其中，CCA 使用最常用 （n = 41， 52.6%），其次是多重插补 （n = 22， 28.2%） 和其他方法 （n = 15， 19.2%）。31 项 （13.5%） 研究报告说，由于缺失，从分析中删除了协变量。结论 在已确定的 UNOS 数据库研究中，只有三分之一报告了他们如何处理分析中的缺失数据，策略各不相同。虽然不存在处理缺失数据的单一方法，但有一些方法可以改进最常用的方法。未来的最佳实践应包括对缺失的明确报告、详细的方法和敏感性检查。