[論文レビュー] Generalizing the Frailty Assumptions in Survival Analysis

Vahed Maroufy, Paul Marriott|arXiv (Cornell University)|Oct 8, 2015

Statistical Methods and Inference参考文献 20被引用数 3

ひとこと要約

本稿では、未知のフレイルティ分布を伴うコックスの比例ハザードモデルにおける回帰係数推定のため、ラプラス近似と滑らかな多様体上の勾配探索を用いた反復を要しないプロファイル尤度法を提案する。フレイルティが正しく指定されていない状況下でも、標準的なEMアルゴリズムに比べて、特にフレイルティが左に歪んでいる場合に、バイアスと標準誤差が低く抑えられ、生存解析における観察されない異質性の存在下で、より高いロバストネスと効率性を示す。

ABSTRACT

This paper studies Cox's regression hazard model with an unobservable random frailty where no specific distribution is postulated for the frailty variable, and the marginal lifetime distribution allows both parametric and non-parametric models. Laplace's approximation method and gradient search on smooth manifolds embedded in Euclidean space are applied, and a non-iterative profile likelihood optimization method is proposed for estimating the regression coefficients. The proposed method is compared with the Expected-Maximization method developed based on a gamma frailty assumption, and also in the case when the frailty model is misspecified.

研究の動機と目的

• パラメトリックなフレイルティ仮定、特にガンマ分布に対する制限を是正すること。
• フレイルティ変数に対する強い分布仮定を回避する反復を要しない、プロファイル尤度に基づく推定手法を開発すること。
• 真のフレイルティ分布が誤って指定された場合、特に左に歪んだ場合に、推定の効率性を向上させ、バイアスを低減すること。
• 滑らかな多様体とラプラス近似を用いた幾何学的根拠に基づく、半パラメトリックフレイルティモデルにおける推論手法を提供すること。

提案手法

• 尤度関数におけるフレイルティ分布にわたる高次元積分を簡略化するために、ラプラスの近似を用いる。
• ユークリッド空間に埋め込まれた滑らかな多様体上の勾配探索を用いて、回帰係数のためのプロファイル尤度を最適化する。
• 2段階の最適化を実施：まずフレイルティ分布をプロファイルし、次に多様体に基づくニュートン型手法を用いて回帰係数を推定する。
• 小さな混合変動を伴うローカルミクスチャーモデリングを用いて、非パラメトリックなベースラインハザード関数へ一般化する。
• 同定可能性を保証し、幾何学的推論を可能にするために、フレイルティ変動に「小ささ」の条件を課す。
• 反復的なEMアルゴリズムに代えて、多様体幾何に基づく反復を要しない、より高速な最適化戦略を採用する。

実験結果

リサーチクエスチョン

• RQ1 フレイルティ分布が指定されていない状況下で、反復を要しないプロファイル尤度に基づく手法が、コックスモデルにおける推定効率を向上させ得るか？
• RQ2 フレイルティ分布が誤って指定された場合、特にフレイルティが左に歪んでいる状況下で、提案されたローカルミクスチャーメソッドは標準的なEMアルゴリズムに比べてどのように異なるか？
• RQ3 滑らかな多様体とラプラス近似を用いた幾何的アプローチは、半パラメトリックフレイルティモデルにおいて同定可能性とロバストネスを確保するか？
• RQ4 モデルが誤って指定された状況下で、この手法は回帰係数推定におけるバイアスと分散をどの程度低減するか？

主な発見

• 左に歪んだフレイルティ下では、ローカルミクスチャーメソッド（LMM）がEM法に比べて顕著に低いバイアスと標準誤差を示し、η=0.4におけるバイアスは0.073（EM）と0.011（LMM）の差を示した。
• 小さなフレイルティ分散（η=0.1）では、LMMとEMの両者とも類似した性能を示したが、LMMはすべてのシナリオで一貫して低い標準誤差を示した。
• rhDNAse臨床試験では、治療群ではLMMとEMの推定値がほぼ同一であったが、プラセボ群では顕著な差が認められ、LMMは低いバイアスを示した。
• プラセボ群では、すべてのビン長に対してイベント件数に負の歪度が認められ、これは左に歪んだフレイルティを示しており、シミュレーション結果がLMMの優位性を裏付けた。
• シミュレーションスタディにより、LMMがフレイルティがガンマ分布でない場合にEMを上回ること、特にバイアス低減の面で優れていることが確認された。
• この手法の反復を要しない性質により、複数回のEM反復を必要とせず、高速な計算が可能でありながら、高い正確性を維持している。