Multiple imputation and bootstrapping in health economic data

De centrale doelstelling in kosten-effectiviteitsanalyse is om te onderzoeken of het gezondheidseffect van een nieuwe behandeling de extra kosten van deze behandeling rechtvaardigt. In gezondheid economische data is het gebruikelijk dat de kansverdelingen scheef zijn en er veel missing data is. Multiple imputatie is een vaak gebruikte methode voor het omgaan met missing data en bootstrap is op grote schaal geaccepteerd voor het meenemen van steekproef variatie van data met scheve kansverdelingen. Beide methoden zijn rekenintensieve methoden die afzonderlijk hun waarde hebben aangetoond. Echter, de literatuur geeft geen richtlijnen over hoe deze technieken moeten worden gecombineerd. Dit onderzoek richt zich op het probleem van het combineren van multipele imputatie en bootstrap om (A) het verschil in gemiddelde uitkomsten te schatten tussen twee behandelgroepen en om (B) onzekerheid weer te geven door middel van een puntenwolk in het kosten-effectiviteitsvlak. Voor beide onderdelen is de validiteit van verschillende benaderingen onderzocht en worden aanbevelingen gedaan voor de te gebruiken methodologie.