【简答题】失访患者如何判定及处理？

【简答题】失访患者如何判定及处理？

失访患者的判定和处理因场景不同而有所差异，主要分为公共卫生管理和临床试验两大领域。在公共卫生管理中，失访判定遵循“时间+次数”双重标准，如严重精神障碍管理中，按随访要求在规定时间内未访到患者，2周内再随访1次，超过1个月且期间随访不少于3次仍未成功，即视为失访。这里的“未访到”指无法联系患者本人或监护人，也无法获取其去向和病情信息。而临床试验中的失访则指受试者未按计划完成随访，导致研究者无法获得最终观察结果，常见原因包括搬家、药物副作用、随访时间过长等。

公共卫生管理中的失访处理强调多部门协作与规范记录。一旦判定失访，基层机构需立即书面报告政法、公安等综合管理小组协助查找，并上报上级精防机构。同时，需在管理系统中填写失访表，无需每三个月重复填写，但需在下一次随访日期前完成信息录入，确保管理流程规范。例如，当患者迁居外地时，精防人员应先询问其新去向，并通知迁入地管理机构接力随访。

临床试验的失访处理则聚焦数据完整性与统计严谨性。核心原则是明确分析集，常用意向性治疗（intention-to-treat）原则，即所有随机化分组的受试者均纳入分析，无论是否失访或中途退出，数据按随机化分组归属。例如，随机分到对照组的患者即便后续接受了干预组治疗，其数据仍保留在对照组。此外，研究需绘制受试者流程图，清晰展示从纳入到失访的全过程，并在论文中说明缺失数据处理方法。

临床试验中缺失数据的处理方法主要有三类：一是直接纳入分析，适用于结局缺失率低于5%或采用混合效应模型等统计方法的场景；二是数据填补，如末次观察结转法、最差值法（将缺失结局视为最差结果）或多重填补法（利用基线特征生成多个完整数据集）；三是敏感性分析，通过比较填补前后结果差异，评估缺失数据对结论的影响。例如，某研究采用多重填补法时，会结合年龄、性别、基线评分等变量生成20个数据集进行分析，确保结果稳健性。

两种场景的处理逻辑虽各有侧重，但均强调过程可追溯和责任明确。公共卫生管理通过多部门联动降低失访率，临床试验则通过统计方法控制偏倚。值得注意的是，无论哪种场景，失访原因记录都至关重要——公共卫生领域的“迁居”“联系方式变更”与临床试验中的“药物副作用”，分别指向服务优化和试验设计改进的不同方向。那么，当一个患者同时涉及公共卫生管理和临床试验时，应如何协调两种失访处理流程以避免冲突？这需要更细致的跨领域协作机制。