[論文レビュー] Bayesian Stacked Parametric Survival with Frailty Components and Interval Censored Failure Times

Matthew W. Wheeler, Joost Westerhout+2 more|arXiv (Cornell University)|Aug 29, 2019

Statistical Methods in Clinical Trials参考文献 20被引用数 4

ひとこと要約

本論文は、事後予測スタッキングを用いて複数のパラメトリックモデルを組み合わせることで、予測精度を向上させるベイジアンスタックドパラメトリック生存モデルを、区間打ち切り済みの故障時間データに適用する。この手法は、単一モデルのアプローチに比べてバイアスを低減し、特に投与量-故障分布の裾の部分をよりよく捉えることができ、食物アレルギー挑戦研究においてピーナツおよびシーザンアレルゲンのED05推定値を改善した。

ABSTRACT

To better understand effects of exposure to food allergens, food challenge studies are designed to slowly increase the dose of an allergen delivered to allergic individuals until an objective reaction occurs. These dose-to-failure studies are used to determine acceptable intake levels and are analyzed using parametric failure time models. Though these models can provide estimates of the survival curve, their parametric form may misrepresent the survival function for doses of interest, and different models that describe the data similarly may produce different dose-to-failure estimates. Motivated by predictive inference, we developed a Bayesian approach to combine survival estimates based upon posterior predictive stacking, where the weights are formed to maximize posterior predictive accuracy. The approach allows for the inclusion of flexible models, and, in our case, allows us to include random effects to account for frailty components entering the model through study-to-study heterogeneity. The methodology is investigated in simulation, and is used to estimate allergic population eliciting doses for multiple food allergens.

研究の動機と目的

• 区間打ち切りデータにおける故障時間分布の推定において、単一パラメトリック生存モデルの限界を克服すること、特に分布の裾の部分に焦点を当てる。
• 複数のパラメトリック生存モデルをベイジアンスタッキングを用いて統合する、堅牢で柔軟なフレームワークを構築し、予測精度を向上させること。
• 多施設の食物アレルギー挑戦研究における研究間の異質性を扱うために、ランダム効果（フレイルティ成分）を組み込むこと。
• 食物アレルゲンの集団ベースの誘発用量（ED01、ED05）のより信頼性が高く、保守的な推定値を提供すること。
• 現在のリスク評価手法における空白である、区間打ち切り故障時間データへのモデル平均化技術の拡張すること。

提案手法

• 事後予測スタッキングを用いて複数のパラメトリック生存モデルを組み合わせ、事後予測精度に基づいた重みを割り当てる。
• ベースラーナーとして、加速故障時間（AFT）モデルを適用し、ロジスティック・ラプラス、ワイブル、ログログリスティック、ログガウスなどの柔軟な分布を含む。
• 研究レベルのばらつきをモデル化し、臨床試験間の異質性に対処するためにランダム効果（フレイルティ成分）を組み込む。
• ベイジアン階層的フレームワークを用いて、モデルの重みと生存パラメータを同時に推定し、一貫性のある不確実性の評価を実現する。
• マルコフ連鎖モンテカルロ（MCMC）サンプリングを用いて、モデルパラメータおよび予測の事後分布を取得する。
• シミュレーション研究を通じて手法の妥当性を検証し、17件のピーナツおよび3件のシーザンアレルギーに関する実世界の経口食物挑戦データに適用する。

実験結果

リサーチクエスチョン

• RQ1 ベイジアンスタックドパラメトリック生存モデルにフレイルティ成分を組み合わせることで、単一モデルのアプローチに比べ、区間打ち切り故障時間データの予測精度が向上するか？
• RQ2 食物アレルギーの投与量-故障推定の文脈において、異なるパラメトリック分布のスタック重みはどのように変化するか？
• RQ3 フレイルティ成分の導入により、多施設生存解析におけるバイアス低減と不確実性の評価の向上はどの程度実現されるか？
• RQ4 スタックド推定されたED05は、個々のAFTモデルや過去のベンチマーク用量推奨値と比較して、どのように異なるか？
• RQ5 このフレームワークは、がん原性や機械の信頼性研究など、区間打ち切り時間-イベントデータを含む他の分野へ一般化可能か？

主な発見

• ピーナツアレルギーにおいて、スタックドモデルはED05を1.1 mg（95%信用区間：0.6–2.0 mg）と推定し、過去の推定値よりも保守的であり、分布の裾の挙動をよりよく捉えている。
• シーザンアレルギーにおいて、スタックドED05推定値は5.1 mg（95%信用区間：0.6–15.3 mg）であり、個々のAFTモデルの下限と強く整合している。
• シーザン再分析において、ロジスティック・ラプラス分布が最も高いスタック重みを獲得し、この手法がより正確なモデルを特定・優先できることを示している。
• スタックドアプローチは、特にピーナツにおいて、過去の推定値が楽観的であると判明した場合に、より保守的なED05推定値を生み出した。
• この手法は、柔軟なパラメトリックモデルとフレイルティ成分を効果的に統合し、シミュレーションおよび実データにおいて、モデルの適合度と予測性能を向上させた。
• このフレームワークは一般化可能であり、医学的・疫学的および信頼性研究を含む、区間打ち切り時間-イベントデータを含む他の分野への応用が可能である。