书上说：
失访（loss to follow-up） 可能是随机化过程后剔除受试者最让人烦恼的原因了。原因可以是参与者搬家或拒绝继续参加试验等。如果失访受试者的结果信息可以通过其他渠道获得，如国家死 亡登记系统，那么这些失访者仍可以包括在分析中。但是这种机会比较少。如果没有有关这些失访者结局事件的信息，研究者别无选择，只能将他们从分析中剔除。 任何的剔除都会损害试验的内部真实性，比较组之间失访率的差异造成的影响更大。因此，研究者必须将失访减少到最低程度。
减少失访有时是很困难的。研究者必须重视并且尽力制定和采取避免失访的一些措施。例如，研究者可以在随机化过程之前把那些看上去很可能失访的患者剔除。另一种方法是通过获得的联系方式找到失访者，或雇佣专人小组去拜访那些失访者，或者两种方法联合运用。
某些研究者使用一些方法来提高随访率，一些方法是使用多个地理位置佳，且容易随访的诊所。有的诊所交通不便利，研究者却还期望患者只去这一家诊所。迎合受试者的兴趣和需要、简短数据收集的步骤到可以掌控的范围、随访的过程不要过度加重参与者的负担，这些方法不但可以提高随访率，还可以提高研究者所感兴趣的主要数据的质量。完全没有失访是不可能的。不必过于强调无法克服的困难，研究者应该更努力以提高随访率。
怎么样的失访率是可以接受的？只有一个答案，0，这样才能保证随机化的效力。很明显，很多时候这是不现实的。有的研究者建议使用5和20准则，失访率小于5%偏倚较小，失访率大于20%会严重影响试验内部真实性，5%~20%之间导致中等程度的问题。通过最差的情况作敏感性分析，他们提出当失访率超过20%时，试验的真实性难以成立，我们对此也表示同意。事实上，有些杂志拒绝发表失访率超过20%的研究。
听我说：
我们允许失访的发生，且失访使用5和20准则很有用，但在那些结局事件较少的情况下，它会使问题过于简单化。对失访率的估计依据很多因素，例如研究所需的检查项目、结局事件的发生率、随访的时间长度。
比失访率的绝对值更重要的是两组之间失访率的差异。研究者应该分析两组失访率差异。
你可以：
在任何情况下，研究都应该记录并分析失访者的数据到失访的那个时间点。