[論文レビュー] A new mixture-based fixed-effect model for a biometrical case-study related to immunogenecity with highly censored data

Mário F. Desousa, Helton Saulo+2 more|arXiv (Cornell University)|Jan 1, 2018

Bayesian Methods and Mixture Models参考文献 35被引用数 3

ひとこと要約

本稿では、ハイチにおける麻疹ワクチン接種試験から得られた著しく右側に打ち切られた血清学的データを分析するため、Birnbaum-Saunders分布とベルヌーイ分布を組み合わせた、新たな連続-離散混合回帰モデルを提案する。このモデルは、抗体価を連続的にモデル化するとともに、打ち切りを点質量として扱うことで過剰な打ち切り観測を効果的に処理する。最尤推定を用いたパラメータ推定と、モンテカルロシミュレーションおよび実データ応用による強力な性能確認が行われた。

ABSTRACT

We propose a new continuous-discrete mixture regression model which is useful for describing highly censored data. We motivate our investigation based on a case-study in biometry related to measles vaccines in Haiti. In this case-study, the neutralization antibody level is explained by the type of vaccine used, level of the dosage and gender of the patient. This mixture model allows us to account for excess of censored observations and consists of the Birnbaum-Saunders and Bernoulli distributions. These distributions describe the antibody level and the point mass of the censoring observations. We estimate the model parameters with the maximum likelihood method. Numerical evaluation of the model is performed by Monte Carlo simulations and by an illustration with biometrical data, both of which show its good performance and its potential applications.

研究の動機と目的

• 低資源地域（ハイチを含む）における生物学的疫学的研究で見られる著しく打ち切られた血清学的データの課題に対処すること。
• ワクチン効 immunogenicity 試験における検出限界による中和抗体価の過剰な打ち切り観測をモデル化すること。
• 連続的な抗体価と離散的な打ち切りインジケーターを統合する柔軟な回帰フレームワークの開発。
• データの打ち切りが存在する中でも、ワクチン種別、投与量、患者の性別が免疫原性に与える影響の推定を可能にすること。
• 過剰なゼロ値または低値観測を伴う打ち切り生物学的データを分析する統計的に堅牢で計算的に実行可能な手法の提供。

提案手法

• 非打ち切り観測に対して連続的なBirnbaum-Saunders分布、打ち切り観測に対してはベルヌーイ分布による検出限界における点質量を用いた混合モデルを構築する。
• Birnbaum-Saunders分布の平均を、ワクチン種別、投与量、性別などの共変量の線形関数としてモデル化する。
• すべてのモデルパラメータ（Birnbaum-Saunders分布の形状およびスケールパラメータ、打ち切り確率）を同時に最尤推定（MLE）により推定する。
• すべての共変量に対して固定効果を組み込み、それらの影響が抗体応答に与える直接的な解釈を可能にする。
• さまざまな打ち切り率とデータ生成メカニズムの下でモンテカルロシミュレーションを用いてモデルの性能を検証する。
• 実データとしてハイチにおける麻疹ワクチン試験から得た生物学的データにモデルを適用し、実用的有用性および頑健性を評価する。

実験結果

リサーチクエスチョン

• RQ1 ワクチン効 immunogenicity 試験における血清学的データに著しい打ち切り観測が存在する場合、統計モデルはどのようにしてこれを効果的に扱えるか？
• RQ2 データが著しく打ち切られている状況において、提案された混合モデルは、標準的回帰モデルに比べてパラメータ推定の正確性をどの程度向上させるか？
• RQ3 検出限界が存在する中で、ワクチン種別、投与量、患者の性別は中和抗体価にどのように影響を与えるか？
• RQ4 Birnbaum-Saundersおよびベルヌーイ成分を有する混合モデルは、複雑な打ち切りパターンを示す現実世界の生物学的データにおいて信頼性のある推論を提供できるか？
• RQ5 現実的なシミュレーション条件下で、収束性、バイアス、精度という観点から、モデルの経験的性能はいかがなものか？

主な発見

• 提案された混合モデルは、非打ち切り抗体価の連続的分布と、打ち切り閾値における離散的点質量の両方を効果的に捉えている。
• モンテカルロシミュレーションにより、さまざまな打ち切り率の下で最尤推定手順が一貫性があり、効率的なパラメータ推定を達成することが示された。
• 50％を超える観測が打ち切られている状況でも、ワクチン種別、投与量、性別の抗体応答への影響を推定する際、モデルは頑健な性能を示した。
• ハイチにおける麻疹ワクチン試験の実データへの適用により、ワクチン種別と高い中和抗体価との間に有意な関連が確認された。
• 特に打ち切りが顕著な状況では、標準的線形回帰モデルやTobitモデルに比べ、モデルのフィット度とパラメータ推定の正確性において本モデルが優れた性能を示した。
• 検出限界における過剰質量を無視するモデルと比較して、打ち切りのベルヌーイ成分の組み込みにより、モデルの識別力が向上し、残差バイアスが低減された。