Resumen en español

La presencia de datos faltantes en un análisis de datos longitudinales bastante común, especialmente en estudios médicos donde se trabaja con sujetos humanos, que afecta la precisión de las estimaciones y además puede provocar sesgos, o que puede llevar a conclusiones erróneamente acerca de un tratamiento o terapia. Estas consecuencias negativas dependen, no solo de como se manejan los datos faltantes o de proporción de los mismos, sino también e las razones por las cuales estos se presentan (llamados, mecanismos de datos faltantes. Por esta razón este trabajo tiene como objetivo la comparación de diferentes técnicas para el manejo de los datos faltantes en el análisis de datos longitudinales. Para evaluar el comportamiento de estas técnicas se realizó un estudio de simulación donde se compararon las estimaciones de los efectos fijos y aleatorios de un modelo lineal de efectos mixtos usando cuatro métodos para el manejo de datos faltantes, bajo diferentes escenarios de datos faltantes (mecanismos), estos escenarios se basaron en el análisis de datos longitudinales obtenidos de recién nacidos con bajo peso entre febrero de 2002 y noviembre de 2010 que pertenecen al programa de alto riesgo y canguro del HUV.