[論文レビュー] SemiCompRisks: An R Package for Independent and Cluster-Correlated Analyses of Semi-Competing Risks Data

Danilo Alvares, Sebastien Haneuse+2 more|arXiv (Cornell University)|Jan 10, 2018

Bayesian Methods and Mixture Models参考文献 25被引用数 4

ひとこと要約

この論文は、加速失敗時間または比例ハザードフレームワーク下での柔軟なベイズ推定および頻度主義推定を可能にする、SemiCompRisks Rパッケージを紹介している。このパッケージは、独立およびクラスタ相関のあるデータ、パラメトリック／ノンパラメトリックベースラインハザード、ランダム効果、マルコフ／準マルコフ仮定をサポートする。主な貢献は、生存解析における医学的研究へのモデルの多様性と実装の実用性である。

ABSTRACT

Semi-competing risks refer to the setting where primary scientific interest lies in estimation and inference with respect to a non-terminal event, the occurrence of which is subject to a terminal event. In this paper, we present the R package SemiCompRisks that provides functions to perform the analysis of independent/clustered semi-competing risks data under the illness-death multi-state model. The package allows the user to choose the specification for model components from a range of options giving users substantial flexibility, including: accelerated failure time or proportional hazards regression models; parametric or non-parametric specifications for baseline survival functions; parametric or non-parametric specifications for random effects distributions when the data are cluster-correlated; and, a Markov or semi-Markov specification for terminal event following non-terminal event. While estimation is mainly performed within the Bayesian paradigm, the package also provides the maximum likelihood estimation for select parametric models. The package also includes functions for univariate survival analysis as complementary analysis tools.

研究の動機と目的

• 非終末的イベント（例：死亡）が独立した打ち切りとして扱われる単変量生存モデルの限界を是正するため。
• 疾患-死亡マルチステートモデル下で、独立およびクラスタ相関のある半競合リスクデータを扱える包括的かつユーザーフレンドリーなRパッケージを提供するため。
• 加速失敗時間および比例ハザード回帰を含む柔軟なモデリングオプションを提供し、パラメトリックまたはノンパラメトリックなベースライン生存関数とランダム効果分布を組み合わせるため。
• 特定のパラメトリックモデルにおいてベイズ推定と最尤推定を統合し、多様なデータ構造に対して頑健な推論を可能にするため。
• 実際の造血幹細胞移植データを用いた解説的分析と、ビンゴ（vignettes）による包括的なドキュメンテーションを通じて、実用的応用を支援するため。

提案手法

• パッケージは、初期状態から非終末的イベント（例：疾患診断）への遷移、その後に終末的イベント（例：死亡）への遷移を表す疾患-死亡マルチステートモデルを実装する。遷移は不可逆的である。
• 非終末的イベント後の終末的イベントの遷移に、マルコフおよび準マルコフ仮定を両方サポートし、イベント時刻間の依存性をモデル化可能である。
• 推定は主にMCMCを用いたベイズフレームワークで実施され、回帰係数、ベースラインハザード、およびフレイルティ項のための事前分布が指定される。
• 特定のパラメトリックモデルでは、最尤推定も利用可能であり、ベイズ推定の代替手段を提供する。
• ユーザーは、ベースライン生存関数をパラメトリック（例：対数正規）またはノンパラメトリック（Bスプラインを用いて）に指定可能であり、ランダム効果分布もパラメトリックまたはノンパラメトリック（ディリクレ過程混合を用いて）に指定可能である。
• パッケージは、探索的および確認的分析の両方を支援するため、単変量生存分析の関数も併せて提供する。

実験結果

リサーチクエスチョン

• RQ1 非終末的イベントと終末的イベントの間の依存性を適切に扱うために、半競合リスクデータをどのようにモデル化すればよいか？特に、独立した打ち切り仮定によるバイアスを回避するには？
• RQ2 データがクラスタリングされている場合（例：病院や家族単位）、半競合リスクデータに対する最も効果的なモデリング戦略は何か？また、ランダム効果はクラスタ内相関をどのように捉えるか？
• RQ3 パラメトリック対ノンパラメトリックなベースラインハザード、またはマルコフ対準マルコフ仮定といった異なる仕様が、半競合リスク解析におけるモデル適合度と推論に与える影響は何か？
• RQ4 MCMCを用いたベイズフレームワークは、複雑な半競合リスクモデルにおいて、最尤推定に比べて信頼性と効率性に優れていると言えるか？
• RQ5 RパッケージSemiCompRisksは、実世界の生物医学的研究における再現可能で柔軟な半競合リスクデータ分析をどのように支援できるか？

主な発見

• SemiCompRisksパッケージは、柔軟なベースラインおよびランダム効果仕様を備えたAFTおよびPHモデルを含む、広範な半競合リスクモデルを効果的に実装している。
• MCMCによるベイズ推定は収束しており、潜在尺度縮小係数（PSRF）の値が回帰係数やフレイルティ分散のすべてのパラメータについて1.0に近い値を示している。
• 造血幹細胞移植データの解析において、対数正規ベースラインハザードを用いたAFTモデルでは、dTypeCMLを有する患者の非終末的イベントのハザードは47％低く（HR = 0.53、95％CrI：0.42–0.67）なった。
• フレイルティの分散（theta）は2.6（95％CrI：2.5–2.8）と推定され、クラスタ間での有意な未観測の異質性が示された。
• 非終末的イベントへの最初の遷移のベースライン対数正規分布のパラメータは、mu = 8.2（95％CrI：8.0–8.4）およびsigmaSq = 7.1（95％CrI：6.4–8.0）と推定され、イベント時刻の高いばらつきを反映している。
• このパッケージの実装により、複雑でクラスタリングされた半競合リスクデータにおいて、生存確率およびハザード比の正確な推定が可能となり、信用区間が不確実性を適切に反映している。