[論文レビュー] A Tutorial on Time-Dependent Cohort State-Transition Models in R using a Cost-Effectiveness Analysis Example

Fernando Alarid‐Escudero, Eline Krijkamp+5 more|arXiv (Cornell University)|Aug 30, 2021

Advanced Causal Inference Techniques参考文献 33被引用数 24

ひとこと要約

本チュートリアルでは、費用対効果分析のための時間依存性を有するコhort状態遷移モデル（cSTMs）をRで実装する包括的なガイドを提示する。主な焦点は、シミュレーション時間依存性と状態滞在時間依存性である。Rコードを用いて、時間変動する遷移確率、費用、および有効性をモデル化する方法を示し、公開済みのGitHubリポジトリを通じて完全に再現可能な形で、生存率、有病率、費用対効果比などの疫学的および経済的アウトカムを生成するフレームワークを適用する。

ABSTRACT

In an introductory tutorial, we illustrated building cohort state-transition models (cSTMs) in R, where the state transitions probabilities were constant over time. However, in practice, many cSTMs require transitions, rewards, or both to vary over time (time-dependent). This tutorial illustrates adding two types of time-dependency using a previously published cost-effectiveness analysis of multiple strategies as an example. The first is simulation-time dependence, which allows for the transition probabilities to vary as a function of time as measured since the start of the simulation (e.g., varying probability of death as the cohort ages). The second is state-residence time dependence, allowing for history by tracking the time spent in any particular health state using tunnel states. We use these time-dependent cSTMs to conduct cost-effectiveness and probabilistic sensitivity analyses. We also obtain various epidemiological outcomes of interest from the outputs generated from the cSTM, such as survival probability and disease prevalence, often used for model calibration and validation. We present the mathematical notation first, followed by the R code to execute the calculations. The full R code is provided in a public code repository for broader implementation.

研究の動機と目的

• 従来の時間に依存しないコhort状態遷移モデル（cSTMs）を拡張し、時間依存性の遷移確率、費用、および有効性を組み込むこと。
• 2つの時間依存性の形式を示す：シミュレーション開始からの時間に基づくシミュレーション時間依存性と、健康状態に滞在した時間に基づく状態滞在時間依存性。
• 現実の費用対効果分析の事例を用いて、Rにおける段階的実装を提供し、モデルの現実性と透明性を向上させること。
• 研究者が生存率や有病率などの主要な疫学的アウトカムを計算し、費用対効果分析および確率的感度分析を実施できるようにすること。
• 公開可能なRコードと明確なメソドロジーを通じて、健康経済的モデリングにおける再現可能性と透明性を促進すること。

提案手法

• 3次元の遷移確率配列（P）を用いて時間依存性をモデル化し、第3次元をシミュレーション開始からの時間を表すことで、シミュレーション時間依存性を実現する。
• 状態滞在時間依存性を実装するため、状態空間を「トンネル状態」（例：病状 - サイクル1、病状 - サイクル2）に拡張し、健康状態に滞在した時間を追跡する。
• 行列乗算を用いて繰り返し、コhortの各状態への分布を計算する：mt+1 = mt × Pt、ここでmtはサイクルtにおける状態ベクトルである。
• 1回の遷移報酬（例：疾患発症時や終末期治療の費用）を計算するために、コhort状態遷移配列を用いて遷移を追跡する。
• モデル出力を用いて費用対効果分析（CEA）および確率的感度分析（PSA）を実施する。
• 完全な透明性とカスタマイズ性を実現するため、ベースRを用い、スケーラブルな実装にはhesimやheemodなどの高性能パッケージを参照する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、年齢別死亡率のような時間変動パラメータを反映させるために、コhort状態遷移モデルにシミュレーション時間依存性を実装できるか？
• RQ2 疾患発症後の時間に依存する遷移リスクをモデル化する際、状態滞在時間依存性を最も効果的に扱う方法は何か？
• RQ3 状態空間の拡張を避けながら、診断時や終末期の1回限りの費用といった遷移報酬をどのように組み込むことができるか？
• RQ4 状態空間の拡張が計算効率およびモデルスケーラビリティに与える影響は何か？
• RQ5 時間依存性cSTMsを用いることで、モデルのキャリブレーションおよび検証に不可欠な生存確率や疾患有病率といった信頼性の高い疫学的アウトカムをどのように生成できるか？

主な発見

• チュートリアルは、Rを用いて3次元遷移確率配列を用いたシミュレーション時間依存性を成功裏に実装し、シミュレーション時間に応じた時間変動する遷移確率を可能にした。
• トンネル状態を用いることで、状態滞在時間依存性が効果的にモデル化され、健康状態に滞在した時間に基づく時間依存リスクおよび費用の正確な追跡が可能になった。
• コhort状態遷移配列を用いることで、遷移報酬が効率的に捉えられ、追加の状態拡張の必要がなくなり、モデルの効率性が向上した。
• 生存確率や疾患有病率といった主要な疫学的アウトカムがモデルから生成され、これらはモデルのキャリブレーションおよび検証に不可欠である。
• 完全なR実装はGitHubに公開されており、再現可能性を保証するとともに、健康経済的評価における広範な採用を可能にしている。
• 本アプローチは、複雑で時間に依存する健康介入を対象とした健康意思決定科学における透明性と柔軟性を高めた。