缺失数据的多重填补基于链式方程多重填补（Multiple Imputation by Chained Equations，以下简称MICE）。MICE是一种通过迭代生成多个缺失值的估计值，并利用每次迭代的结果来更新模型，最终得到缺失值的估计方法.相较于传统的多重填补方法，MICE方法能够更准确地估计缺失值，特别是在处理复杂数据和多个缺失变量时效果更佳。
缺失结局的填补基于双稳健的方式整合了两个缺失数据插补模型，并通过倾向得分模型进行加权，使得我们的方法受缺失数据插补模型错误指定的影响较小。此外，我们使用联合学习的方式交替更新缺失数据插补模型。与传统的双稳健方法相比，我们提出的方法可以进一步控制倾向得分模型和缺失数据插补模型之间的协方差，从而提高数据插补的质量。