很多同学刚接触时会觉得复杂，其实只要搞懂4个核心问题，就算是零基础也能轻松上手。下面咱们就用通俗的语言，一步步拆解这个领域。
先搞懂3个基础概念，后续理解更轻松
在聊具体问题前，先明确几个必须知道的术语，避免后面看懵：
• 缺失结局数据：就是研究中没收集到的结局信息。比如做一款降压药的试验，有些患者中途退出没测血压，或者数据记录丢了，这些没拿到的血压值就是“缺失结局数据”。
• “几乎所有”数据可用：不是说100%完整，而是缺失的量特别少，就算把这些缺失的数据补全，也不会改变最终结论。比如测血压的试验，100个患者里95个都有数据，基本就符合“几乎所有”；如果是看“是否死亡”这种二分类结果，只要已经记录的死亡人数远多于没数据的人数，也算。
• 信号问题的选项：和前面的两个领域一样，每个问题都会选Y（是）、PY（可能是）、N（否）、PN（可能否）、NI（没信息），简单说就是判断“这件事发生的可能性”，后面会具体讲怎么选。
核心来了：ROB2.0第三个领域的4个关键问题
这4个问题是一步步递进的，先看数据全不全，再看有没有偏倚，最后看缺失数据的影响——跟着这个逻辑走，就不会乱。
问题1：所有或几乎所有随机分组的患者，都有结局数据吗？
通俗解释
就是看研究里被随机分到治疗组或对照组的患者，大部分是不是都有咱们要测的结局结果（比如血压、是否痊愈）。
怎么选？给你明确提示
• 选Y/PY（是/可能是）：比如100个患者里95个都有数据，或者记录的死亡人数有20个，没数据的只有5人——这种情况直接判定“偏倚风险低”，后面的问题不用再答了。
• 选N/PN（否/可能否）：比如100个患者里只有70个有数据，或者没数据的人数和记录的事件数差不多（比如死亡10人，没数据的也有8人）——这种情况得继续看后面的问题。
• 选NI（没信息）：研究报告里没说有多少人没数据，也没给流程图（比如CONSORT流程图）——这种情况默认要继续评估，而且通常容易有高偏倚风险，得特别注意。
问题2：有没有证据说明，结果没被缺失的结局数据影响？
通俗解释
就算有部分数据缺失，有没有办法证明：这些缺失没让最终的研究结果（比如“药物有效率80%”）变不准？
哪些算“证据”？
主要两种情况：
1. 用了专门的统计方法补数据，而且补得合理（比如“多重插补”，不是随便填个数）；
2. 做了“敏感性分析”——比如假设缺失数据的患者都是“治疗无效”，重新算一遍结果，发现有效率还是差不多（比如从80%变成78%），说明结果稳，没受缺失数据影响。
怎么选？给你明确提示
• 选Y/PY（是/可能是）：研究里说了用了合理的补数据方法，或者敏感性分析证明结果稳——直接判定“偏倚风险低”，后面的问题不用答了。
• 选N/PN（否/可能否）：只分析了有完整数据的患者（没补数据），或者敏感性分析发现，假设不同，结果差很多（比如假设缺失者无效，有效率就从80%降到50%）——得继续看后面的问题。
• 选NI（没信息）：研究没说补数据的方法，也没提敏感性分析——默认“可能否”，继续评估。
问题3：结局数据缺失，会不会和真实的结局结果有关？
通俗解释
比如做抑郁治疗试验，是不是“抑郁没好转”的患者，更可能中途退出、导致他们的抑郁评分（真实结局）没被记录？如果是，那数据缺失就和真实结局有关了，结果可能不准。
怎么选？给你明确提示
• 选Y/PY（是/可能是）：能想到合理的理由，比如“治疗满意度”研究里，退出的患者大多说“不满意”；或者病情越重的患者，越容易没数据——这种情况要继续看问题4。
• 选N/PN（否/可能否）：有明确证据说明缺失和真实结局没关系，比如数据缺失只是因为“测量仪器坏了”“研究中心突然关门”，这些和患者的病情、治疗效果没关系；或者研究已经用统计方法，把可能影响的因素（比如年龄、基础病）都校正了——这种情况判定“偏倚风险低”。
• 选NI（没信息）：研究没说为什么数据缺失，没法判断——默认“可能是”，继续看问题4。
问题4：结局数据缺失，是不是很可能和真实的结局结果有关？
通俗解释
这是在问题3的基础上“再进一步”——不是“可能有关”，而是“大概率有关”，而且可能让结果差很多。
怎么选？给你明确提示
• 选Y/PY（是/可能是）：有下面这些明确的情况，直接判定“偏倚风险高”：
a. 治疗组和对照组的缺失数据比例差很多（比如治疗组30%没数据，对照组只有5%），而且知道两组的治疗效果不一样；
b. 研究说缺失原因是“没效果”“症状一直不好”，而且不同组的缺失原因不一样（比如治疗组因“没效果”退出多，对照组因“仪器坏了”退出多）；
c. 按常识就能想到，比如精神分裂症的研究，症状没改善的患者通常更易退出；
d. 看“生存时间”的研究里，患者因为“药物有毒”停药导致数据没记录，而“毒性”又和治疗效果有关。
• 选N/PN（否/可能否）：有充分证据说明“大概率无关”，比如两组缺失比例一样，而且都是随机原因（比如仪器同时坏了）；或者敏感性分析显示，就算极端假设缺失数据，结果也没变——这种情况判定“部分担忧”（就是有点担心，但没到高风险）。
• 选NI（没信息）：没足够信息，但按常识能猜到（比如结局是“患者感觉疼不疼”，没说缺失原因，大概率是疼的患者没记录）——默认“可能是”，判定“偏倚风险高”。
最后总结：3步判断最终偏倚风险
把4个问题的结果串起来，按下面的逻辑就能得出结论，一点都不复杂：
1. 如果问题1或问题2选了Y/PY——直接算“低风险”；
2. 如果问题1选N/PN/NI、问题2选N/PN、问题3选Y/PY/NI、问题4选N/PN——算“部分担忧”；
3. 如果问题1选N/PN/NI、问题2选N/PN、问题3选Y/PY/NI、问题4选Y/PY/NI——算“高风险”。
在Meta分析里，准确评这个领域的偏倚，能帮咱们筛选出更靠谱的研究。大家刚开始练的时候，不用急，先把每个问题的“怎么选”记清楚，结合具体研究慢慢琢磨，很快就能上手啦！
评论列表