多重插补加入辅助变量，方法段怎样说明选择依据？

一篇队列研究在主要回归中只分析暴露、年龄和结局，却在多重插补模型里放入就诊次数、既往评分和生活方式。审稿者问：“这些变量为何突然出现？”作者若只答“为了提高准确性”，难以判断它们是否合理，也无法复现。辅助变量可以帮助利用已观测信息估计缺失值，但选择过程需要像主要分析一样有解释。

先列一张表：哪些变量缺了、缺在谁身上、哪些已观测信息可能解释。逐项列出缺失比例、缺失出现在哪些人群、缺失变量之间是否共同缺失，以及可用的既往测量。假设部分患者没有随访评分，但基线评分和随访前的就诊次数已经记录；二者可能帮助预测随访分数或其缺失。把这层预测关系写明，比简单罗列十几个变量更有价值。缺失比例本身不能证明“随机缺失”，还需结合收集流程与临床情境讨论。

辅助变量应有可解释的预测用途，而不是按数量堆入模型。它通常不属于最终效应解释的核心协变量，却能为插补提供与待插补值或缺失发生相关的信息。应说明每个辅助变量的测量时间、可得样本和合理的预测路径；若是从几十个候选量中选择，交代筛选规则。原本重要的分析变量及与分析有关的变换、交互也要在插补策略中考虑，避免插补模型与最终分析模型明显不相容。

时间顺序不能糊涂。治疗后才生成的指标可能确实含有预测信息，但是否纳入要看研究要估计什么，以及会不会把受治疗影响的量误作基线混杂因素。更不能从验证集或未来时点偷偷读取结果来填补前一时点的数据，再声称模型能在当时预测。方法段应明确观察窗口和辅助变量在缺失值出现前后何时取得，使读者能判断潜在的信息泄漏与解释限制。

写插补过程时，至少交代采用的算法或软件、插补次数、各类变量的模型形式、是否按组处理，以及最终如何汇总各次分析。若某些变量在一组里全部缺失，软件虽然可能仍运行，估计却很依赖模型外推；这类结构性缺口要单独说明。对高度偏斜或有边界的变量，也应检查插补值是否落在合理范围，不应只看程序无报错。

诊断最好回到原始问题。比较观测值与插补值的分布，查看迭代稳定性及关键模型参数对辅助变量集的敏感性；对“缺失取决于未观测结局”的可能性，承认常规插补假设不足，并设计与领域问题匹配的敏感性分析。多重插补不会自动把未知的缺失机制变成已知事实，漂亮的完整数据表也不等于原始数据真的完整。

投稿稿件可用一小表列“变量—用途—取得时间—缺失程度”，把辅助变量与主要分析协变量分开。结果中报告原始样本数、进入插补的人数以及关键估计与完整病例或其他合理分析的比较。读者由此能看清插补到底借用了哪些信息，哪些结论依然依赖无法直接验证的假设。

参考信息：Sterne等《Multiple imputation for missing data in epidemiological and clinical research》。