การทดลองทางคลินิกแบบสุ่มที่วิเคราะห์โดย วิธี intention-to-treat (ITT) ให้การเปรียบเทียบที่เป็นธรรมระหว่างกลุ่มการรักษา เนื่องจากหลีกเลี่ยงอคติที่เกี่ยวข้องกับการสูญเสียผู้เข้าร่วมที่ไม่เป็นแบบสุ่ม^{[ 5 ] [ 6 ]}หลักการพื้นฐานของ ITT คือ ผู้เข้าร่วมในการทดลองควรได้รับการวิเคราะห์ในกลุ่มที่พวกเขาได้รับการสุ่ม ไม่ว่าพวกเขาจะได้รับการรักษาหรือปฏิบัติตามการแทรกแซงที่ได้รับมอบหมาย หรือไม่ก็ตาม ^{[ 5 ]}อย่างไรก็ตาม นักวิจัยทางการแพทย์มักมีปัญหาในการยอมรับการวิเคราะห์ ITT เนื่องจากปัญหาในการทดลองทางคลินิก เช่น ข้อมูลที่หายไปหรือการปฏิบัติตามโปรโตคอล^{[ 6 ]}

การวิเคราะห์นี้สามารถจำกัดเฉพาะผู้เข้าร่วมที่ปฏิบัติตามโปรโตคอลในแง่ของคุณสมบัติ การปฏิบัติตามการแทรกแซง และการประเมินผลลัพธ์ การวิเคราะห์นี้เรียกว่าการวิเคราะห์ "ตามการรักษา" หรือ "ตามโปรโตคอล" การวิเคราะห์ตามโปรโตคอลแสดงถึง "สถานการณ์ที่ดีที่สุด" เพื่อเปิดเผยผลของยาที่กำลังศึกษา อย่างไรก็ตาม การจำกัดการวิเคราะห์เฉพาะกลุ่มผู้ป่วยที่เลือกไว้จะไม่แสดงผลทั้งหมดของยาใหม่ นอกจากนี้ การปฏิบัติตามการรักษาอาจได้รับผลกระทบจากปัจจัยอื่น ๆ ที่ส่งผลต่อผลลัพธ์ ดังนั้น ผลการวิเคราะห์ตามโปรโตคอลจึงมีความเสี่ยงต่ออคติ ในขณะที่การประมาณค่าตามเจตนาที่จะรักษาไม่มีความเสี่ยงดังกล่าว^{[ 7 ]}

วิธีหนึ่งในการจัดการกับข้อมูลที่หายไปคือ การ เติมค่าที่ขาดหายไปโดยอิงจากข้อมูลที่มีอยู่ วิธีมาตรฐานในการทำเช่นนี้คือวิธีการใช้ค่าสังเกตการณ์ครั้งสุดท้ายที่นำมาแทนที่ (Last-Observation-Carried-Forward หรือ LOCF)

วิธี LOCF ช่วยให้สามารถวิเคราะห์ข้อมูลได้ อย่างไรก็ตาม งานวิจัยล่าสุดแสดงให้เห็นว่าวิธีนี้ให้ค่าประมาณของผลการรักษาที่ไม่เป็นกลางและประเมินความแปรปรวนของผลลัพธ์ที่ประมาณการไว้ ต่ำกว่าความเป็นจริง ^{[ 8 ] [ 9 ]}ตัวอย่างเช่น สมมติว่ามีการประเมินรายสัปดาห์ 8 ครั้งหลังจากการสังเกตค่าพื้นฐาน หากผู้ป่วยออกจากการศึกษาหลังจากสัปดาห์ที่สาม ค่านี้จะถูก "นำไปใช้ต่อ" และถือว่าเป็นคะแนนของเขาหรือเธอสำหรับข้อมูลที่หายไป 5 จุด สมมติฐานคือผู้ป่วยจะค่อยๆ ดีขึ้นตั้งแต่เริ่มต้นการศึกษาจนถึงสิ้นสุด ดังนั้นการนำค่ากลางไปใช้ต่อจึงเป็นการประมาณการแบบอนุรักษ์นิยมว่าบุคคลนั้นจะทำได้ดีเพียงใดหากเขาหรือเธอยังคงอยู่ในการศึกษา ข้อดีของวิธีการ LOCF คือ:

• วิธีนี้ช่วยลดจำนวนผู้ที่ถูกตัดออกจากการวิเคราะห์ให้น้อยที่สุด และ
• วิธีนี้ช่วยให้การวิเคราะห์สามารถตรวจสอบแนวโน้มในช่วงเวลาต่างๆ ได้ แทนที่จะมุ่งเน้นเฉพาะจุดสิ้นสุดเพียงอย่างเดียว

อย่างไรก็ตามสถาบันวิทยาศาสตร์แห่งชาติในรายงานคำแนะนำต่อสำนักงานคณะกรรมการอาหารและยาเกี่ยวกับข้อมูลที่หายไปในการทดลองทางคลินิก ได้แนะนำไม่ให้ใช้วิธีการต่างๆ เช่น LOCF โดยไม่พิจารณาอย่างรอบคอบ โดยระบุว่า "วิธีการเติมข้อมูลแบบเดี่ยว เช่น การใช้ค่าสังเกตครั้งสุดท้ายและการใช้ค่าสังเกตพื้นฐานไม่ควรใช้เป็นแนวทางหลักในการจัดการกับข้อมูลที่หายไป เว้นแต่สมมติฐานที่อยู่เบื้องหลังวิธีการเหล่านั้นจะได้รับการพิสูจน์ทางวิทยาศาสตร์" ^{[ 10 ]}

คณะที่ปรึกษาของสถาบันวิทยาศาสตร์แห่งชาติแนะนำวิธีการที่ให้ ค่าอัตรา ความผิดพลาดประเภทที่ 1 ที่ถูกต้อง ภายใต้สมมติฐานที่ระบุไว้อย่างชัดเจนโดยคำนึงถึงสถานะข้อมูลที่หายไป และการใช้วิธีการเติมข้อมูลหลายครั้งโดยอิงจากข้อมูลทั้งหมดที่มีอยู่ในแบบจำลอง แนะนำให้ใช้Bootstrapและ วิธี การสมการประมาณค่าทั่วไป อย่างแพร่หลายมากขึ้น เมื่อใดก็ตามที่สมมติฐานพื้นฐาน เช่นMissing at Randomสำหรับ วิธีการ GEEสามารถพิสูจน์ได้ แนะนำให้รวบรวมข้อมูลเสริมที่เชื่อว่าเกี่ยวข้องกับการออกจากกลุ่มทดลองเพื่อให้ได้แบบจำลองที่แข็งแกร่งและน่าเชื่อถือมากขึ้น รวบรวมข้อมูลเกี่ยวกับเหตุผลของการออกจากกลุ่มทดลอง และหากเป็นไปได้ ให้ติดตามผู้ที่ออกจากกลุ่มทดลองและรับข้อมูลผลลัพธ์ด้านประสิทธิภาพ สุดท้ายนี้ แนะนำให้ทำการวิเคราะห์ความไวเป็นส่วนหนึ่งของการรายงานการทดลองทางคลินิกเพื่อประเมินความไวของผลลัพธ์ต่อสมมติฐานเกี่ยวกับกลไกข้อมูลที่หายไป^{[ 10 ]}

แม้ว่าวิธีการที่แนะนำโดยรายงานของสถาบันวิทยาศาสตร์แห่งชาติจะได้รับการพัฒนาเมื่อไม่นานมานี้ มีความแข็งแกร่ง กว่า และจะใช้งานได้ภายใต้เงื่อนไขที่หลากหลายกว่าวิธีการเติมค่าแบบเดี่ยว เช่น LOCF แต่ก็ไม่มีวิธีการจัดการข้อมูลที่หายไปวิธีใดที่ใช้ได้ผลในทุกเงื่อนไข ดังที่การประชุมระหว่างประเทศว่าด้วยการประสานงาน E9 ว่าด้วยหลักการทางสถิติสำหรับการทดลองทางคลินิกในปี 1998 ได้กล่าวไว้ว่า "น่าเสียดายที่ไม่มีวิธีการจัดการค่าที่หายไปใดที่สามารถแนะนำได้โดยทั่วไป" ^{[ 11 ]}การตัดสินใจของผู้เชี่ยวชาญด้านสถิติและการแพทย์จะต้องเลือกวิธีการที่เหมาะสมที่สุดกับเงื่อนไขการทดลองเฉพาะของเทคนิคที่ไม่สมบูรณ์ที่มีอยู่ โดยขึ้นอยู่กับเป้าหมาย จุดสิ้นสุด วิธีการทางสถิติ และบริบทของการทดลองนั้นๆ