دادههای گم شده یکی از چالشهای مهم در پژوهشهای علوم پزشکی و اپیدمیولوژی هستند و در صورت مدیریت نامناسب میتوانند منجر به سوگیری، کاهش توان آماری و برداشتهای نادرست شوند. با وجود اهمیت این موضوع، منابع فارسی جامع و درعینحال کاربردی در این زمینه محدود است. این مقاله با رویکرد آموزشی، مروری روشن و منسجم بر مفاهیم پایهای دادههای گم شده از جمله تعریفها، الگوهای بروز (تکمتغیره و چندمتغیره) و سه سازوکار اصلی گم شدگی شامل MAR، MCAR و MNAR ارائه میکند. همچنین طیفی از روشهای رایج در مدیریت دادههای گم شده، از حذف موارد گم شده تا جای گذاریهای ساده و رویکردهای پیشرفتهتر مانند جای گذاری چندگانه و روشهای مبتنی بر درستنمایی نظیر الگوریتم EM و MLE بهطور خلاصه و قابلفهم ارائه شده و برای تقویت درک مفهومی و کاربردیسازی مطالب، از مثالهای روشن و مصورسازیهای آموزشی بهره گرفته شده است. هدف نهایی مقاله فراهم کردن چارچوبی عملی برای پژوهشگران و دانشجویان است تا بتوانند در طراحی و تحلیل پژوهشهای خود، رویکرد مناسب را برای مواجهه با دادههای گم شده برگزینند و از بروز خطاهای تحلیلی پیشگیری کنند.
