Bei der Erhebung und Erfassung von Daten kommt es immer wieder vor, dass einzelne Angaben fehlen bzw. nicht verfügbar sind und damit dann auch für die Datenanalyse nicht zur Verfügung stehen. Man spricht dann von fehlenden Werten oder missings oder missing values. Die Gründe, warum einzelne Werte nicht (mehr) zugänglich sind, können z.B. folgende sein:
=> Parameter wurde nicht untersucht oder gemessen und kann auch nachträglich nicht mehr ermittel werden (z.B. Blutdruck in der Vergangenheit)
=> Parameter fehlt in den bisher erfassten Daten, kann aber noch nachgetragen werden (Anzahl Geburten einer Frau zu einem bestimmten Zeitpunkt)
=> Angabe ist nicht zutreffend (z.B. Menopausenstatus bei männlichen Patienten)
=> Bei Befunden, zu denen erfasst wird, ob sie vorliegen (ja oder nein), ist aufgrund der Datenlage oftmals nicht klar, ob die Angabe fehlt oder der Befund nicht vorliegt - darauf sollte man stets bei der Erfassung achten und immer einen negativen Befund entsprechend als solchen kodieren, um ihn von den tatsächlich fehlenden Angaben unterscheiden zu können.
Fehlen Werte im zeitlichen Verlauf einer Messreihe (z.B. präoperativ, postoperativ, Follow Up nach 6 Wochen, 3 Monaten und 6 Monaten), so wird oftmals die LOCF-Methode angewendet (Last-Out-Carried-Forward) und der zuletzt ermittelte Wert fortgeschrieben. Das kann hilfreich sein, in einigen Fällen aber auch mehr Schaden als Nutzen bringen.
Eine weitere, nicht weniger kritisch zu betrachtende Möglichkeit, mit missings umzugehen, ist, fehlende Werte durch den Mittelwert (oder auch den Median) der Stichprobe bzw. Faktorstufe (Untergruppe der Stichprobe) zu ersetzen.
