R语言复现：中国Charls数据库一篇现况调查论文的缺失数据填补方法

编者

在临床研究中，数据缺失是不可避免的，甚至没有缺失，数据的真实性都会受到质疑。

那我们该如何应对缺失的数据？放着不管？还是重新开始?不妨试着对缺失值进行填补，简单又高效。毕竟对于统计师来说，对缺失值进行填补也是日常工作之一。

今天为大家带来一篇CHARLS数据库有关缺失值填补的文章复现，包括全部的代码与处理好的数据一并提供给诸位！

复现文章介绍

今天要介绍的文章是发表在《中国慢性病预防与控制》（IF=2.18），题为：“中国城市老年人身体活动与衰弱的相关性研究” 的研究论文。研究结果显示，中高身体活动有助于降低城市老年人的衰弱风险，应对城市老年人开展衰弱筛查，并重视身体活动在降低衰弱风险中的作用，积极引导城市老年人进行身体活动。

本公众号回复“立春”即可获得“立春”临床统计学沙龙PPT，数据等资料

1. 研究设计 

P（Population）参与者：CHARLS2018年城市样本中 60~95岁的老年人。

E（exposure）暴露因素：身体活动水平（PA）。（1周身体活动量（MET-min/周）=对应身体活动的代谢当量（MET）×每天活动时间（min）×1 周活动天数（d）；低水平身体活动 MET 赋值为 3.3，中水平身体活动赋值为4.0，高水平身体活动赋值为 8.0；将＜600 MET-min/周划分为低水平身体活动，≥600 MET-min/周划分为中高水平身体活动。）

O（outcome）结局：是否衰弱（FI）。（FI 的计算方法为存在健康缺陷的指标数目除以纳入总数，范围为 0~1；本研究将衰弱定义为 FI≥0.25。）              

2. 统计学方法

利用多重填补法对缺失数据进行填补，疾病维度的使用前一期调查数据，使用