Les études observationnelles comportent un nombre très variable de données manquantes, impactant la qualité des analyses. Parmi les nombreuses méthodes de gestion des données manquantes, aucune ne fait référence. L’indication de la proportion de données manquantes ainsi que leur mode de gestion sont importants. Cette étude a donc pour objectif d’évaluer les pratiques et la manière de rapporter les informations relatives aux données manquantes dans les études publiées récemment et dans des journaux à haut facteur d’impact. Méthode Les articles originaux publiés dans les ‘big five’ entre 2018 et 2019 comprenant des études observationnelles avec des modèles statistiques multivariés ont été sélectionnés. Les informations relatives aux données manquantes ainsi qu’à la méthode de gestion de celles-ci, en se basant sur les critères du STROBE ainsi que la recommandation proposée par Sterne et al. ont été recueillies à partir du corps et appendices des articles. Résultats La majorité des articles (79,6%) mentionnent la présence ou absence de données manquantes. En cas de présence de données manquantes, la méthode de gestion est précisée dans 91,5% des cas. La méthode la plus employée (49,2%) est la méthode de délétion (analyse en cas complet). Lors de l’utilisation de méthodes d’imputation multiples, les détails relatifs à la modélisation de l’imputation ne sont retrouvés que dans 5,6% des cas. Conclusion La plupart des études observationnelles mentionnent la présence ou non de données manquantes. Cependant, la précision de la proportion de données manquantes et les détails relatifs à leur gestion nécessitent d’être améliorés. Le suivi systématique des guides de bonnes pratiques permettrait ces améliorations.