Données manquantes et modèles mixtes

Bonjour à tous,

Je suis un biostatisticien débutant. Récemment à l'occasion de l'écriture d'un plan d'analyse statistique, j'ai due m'intéresser aux modèles mixtes sur données répétées. Mes collègues plus expérimentés m'ont informés que ce type d'analyse est en pratique pas souvent réalisé à cause du nombre de données manquantes.
Pourtant en cours, justement j'ai appris que ce type d'analyse était souvent préférée à l'ANOVA notamment à cause du fait qu'elle tolère mieux les données manquantes.

Donc ma question est la suivante: il y a t'il un seuil (en pourcentage) de données manquantes au delà duquel il serait préférable de ne pas faire le modèle mixte?

Après avoir longtemps cherché la réponse à cette question je demeure toujours bredouille.

Il y aurait t'il une âme charitable qui pourrait m'aider?

Bonjour,

Il existe plein de méthodes pour prendre en compte les données manquantes dans les modèles mixtes. Les deux principales sont l'imputation multiple et la ponderation inverse. Tu peux les utiliser meme quand ton pourcentage de données manquantes est élevé, à condition bien sûr que les hypothèses nécessaires à leur utilisation soient valides.
Ayana

Je te remercie beaucoup pour ta réponse Ayana.
Je me hâte de faire de la biblio sur ces deux méthodes.

J'aurai une dernière questions: Afin de déterminer le nombre minimal d'observations pour un modèle mixte linéaire est ce que l'on peut utiliser la règle du pouce? (il faut 10 observations par variables explicative)

Non. Le probleme avec les donnees manquantes, ce n'est pas tant leur nombre, mais la raison pour laquelle elles sont manquantes. Si les varibales sont manquantes selon les valeurs d'autres variables, meme un faible nombre de donnees manquantes peut entrainer un biais.
Cependant, si tu as moins de 5% de donnees manquantes, tu peux en general les ignorer

Bonjour,

Je voulais rajouter si mes souvenirs sont bons, qu'il s'agit de 5% de lignes ayant des données manquantes pour ton analyse afin de pouvoir réaliser une CCA (Complete Case Analysis) sans avoir de gros impact sur ton test.

Merci pour vos réponses elles me sont très utiles cependant je pense qu'il y a une petite confusion
Ma deuxième question en fait ne concerne pas la réalisation d'un modèle en fonction du nombre de données manquantes mais en fonction du nombre de données renseignées.

En effet l'autre argument qu'il m'a été donné pour la non réalisation du modèle est le nombre de patients inclus qui serait peut être insuffisant in fine.

Du coup on ne partirait pas d'un tableau à trou mais d'un tableau avec peu de lignes.

D'où ma question sur la règle du pouce. Est-ce que le modèle mixte est réalisable si on a au moins 10 observations par variable explicative.