诚心请教cox回归模型中效应不变的时变量处理问题。

shiyiming

我正在作关于某种病症A的分析。手头的数据有：800个病人的入院，出院时间，住院期间的血压、心跳、体重等10几项因素。
我想请问，在我目前所拥有数据的前提下(自变量大部分是time dependent covariates,但是因住院时间较短，因此可看作效应不变)，可否这样设计实验：
1 将800个病人的住院时间作为cox回归模型中的时间变量，同时意味着中止事件是病情得到缓解；
2 在血压，心跳，体重等10几项因素中先挑出几项在文献中说明和此种病症有关系的因素作为自变量；
3 由于血压等数据的记录并非每天都有，因为时间序列以天为单位，所以将缺失项置为零，这一点我非常拿不准，所谓缺失项有两种，一种是这一天这个病人没有提供相应数据，另一种是在研究中止时间（censor time)到来之前病人就出院了，所以在他出院后也没有相应数据；
4 所有病人最终都出院了，所以没有删失项;
5 最后看这些因素对应的hazard ratio来决定各自的影响。

对于生物统计我实在是外行，看了版上牛人对于以前问题的解答，真是专业啊。希望大家能够对于我上述的设计提出宝贵意见。尤其是对于依赖时间的自变量的数据如何调整，例如将缺失项设为零，是不是合理？我是否应该将手中数据整理为如下格式：
住院时间  体重1  体重2 。。。体重30  血压1     血压2。。。血压30
       2            100       0   。。。      60       100/50     0              100/70
       2            100       90     。。。。 0        90/60     100/60          0

谢了先！

shiyiming

对于以上关于缺失值的理解，我不敢苟同。缺失值就让它缺失好了，为什么要用0来代替。
其他没什么意见，纳入分析就可以了

shiyiming

缺失值如果不管，在分析中肯定会造成麻烦的。建议用LOCF法或者SAS中的EI填补。

shiyiming

我的表述有点错误，让斑竹误解了
我的意思也不是不管，但不能直接用0来填充，而是用其他方法。比如均值，或者ei。