[論文レビュー] SurvRegCensCov: Weibull Regression for a Right-Censored Endpoint with a Censored Covariate

Stanislas Hubeaux, Kaspar Rufibach|arXiv (Cornell University)|Feb 3, 2014

Advanced Causal Inference Techniques参考文献 16被引用数 6

ひとこと要約

この論文は、右側打ち切り時間発生アウトカムに対してワイブル回帰を可能にするRパッケージSurvRegCensCovを紹介している。特に、検出限界未満のバイオマーカー値のように、1つの共変量が左または区間打ち切りされている場合に適している。この手法は、パラメトリック仮定（生存時間はワイブル分布、打ち切り共変量は正規分布）に基づく完全尤度推定を用い、従来の単純代入法と比較してバイアスと平均二乗誤差が低く抑えられ、仮説検定における型Iエラー率の制御も正確である。

ABSTRACT

Biomarker data is often subject to limits of quantification and/or limits of detection. Statistically, this corresponds to left- or interval-censoring. To be able to associate a censored time-to-event endpoint to a biomarker covariate, the R package SurvRegCensCov provides software for Weibull regression for a right-censored endpoint, one interval-censored, and an arbitrary number of non-censored covariates. Furthermore, the package provides functions to estimate canonical parameters from censored samples based on several distributional assumptions, and a function to switch between different parametrizations used in R for Weibull regression. We illustrate the new software by applying it to assess Prentice's criteria for surrogacy in data simulated from a randomized clinical registration trial.

研究の動機と目的

• 共変量が打ち切りられている（例：検出限界未満）場合のパラメトリックな生存回帰のためのソフトウェアが不足している問題に対処すること。
• 打ち切り共変量の分布的性質を完全尤度推定を用いて適切に扱い、バイアスを生じる代入戦略を回避する手法を開発すること。
• 既存の手法を拡張し、共変量の区間打ち切りを許容し、非打ち切り共変量を任意に取り入れられ、ワイブル回帰における柔軟なパrameter化を可能とすること。
• 仮説検定における正しい型Iエラー率を維持することで、統計的推論の妥当性を保証すること。これは、代入ベースのアプローチとは対照的である。
• 研究者が臨床試験データに実際にこの手法を適用できるオープンソースのRパッケージを提供すること。特に、代替エンドポイントの評価に役立つこと。

提案手法

• 右側打ち切りの時間発生アウトカム（ワイブル分布）と打ち切り共変量（正規分布と仮定）を同時にモデル化する完全尤度関数を採用する。
• 数値積分を用いて打ち切り共変量観測値の尤度寄与を計算し、シンプソンの法則などに依存する調整パrameterを避ける。
• 打ち切り共変量が既知の分布（例：正規分布）に従うと仮定するパラメトリックモデルを実装し、正しい仕様のもとで一貫した推定が可能となる。
• 共変量の左打ち切りおよび区間打ち切りを両方サポートし、バイオマーカー測定限界のより現実的なモデル化を可能にする。
• Rで使用されるワイブル回帰モデルの異なるパrameter化に切り替え可能な関数を提供し、使いやすさと互換性を向上させる。
• ワイブル分布の形状およびスケールパラメータ、および打ち切りおよび非打ち切り共変量の回帰係数の推定を可能にする。

実験結果

リサーチクエスチョン

• RQ1 バイオマーカー共変量が左打ち切りされている場合、完全尤度推定を用いたワイブル回帰は、従来の代入法（例：LOD、LOD/2、LOD/√2に置き換え）と比較して、バイアスおよび平均二乗誤差（MSE）の点でどの程度優れているか？
• RQ2 提案手法は、治療効果の仮説検定において、代入ベースのアプローチと比較して適切な型Iエラー率を維持するか？
• RQ3 共変量が単に左打ち切りではなく、区間打ち切りである場合、この手法の性能はどのように変化するか？
• RQ4 複数の非打ち切り共変量を含めても、精度と計算の実行可能性を維持できるか？
• RQ5 グループ間で打ち切り共変量の分布を共通と仮定するのと、グループ固有の分布を許容するのとで、推定バイアスにどのような影響があるか？

主な発見

• バイオマーカー共変量の左打ち切りを完全尤度推定で扱ったワイブル回帰は、LOD代入法（72.7 MSE）と比較して、β_MRDのバイアスが著しく低く（0.00002）なった。これは、優れた精度を示している。
• 治療効果パラメータβ_tmtの平均二乗誤差（MSE）は、提案手法では0.00004であったのに対し、ワイブル回帰とコックス回帰のLOD代入法ではそれぞれ22.8および1.8であった。
• 提案手法は名目上の型Iエラー率0.05（実証的棄却率：0.050）を維持した。一方、LOD代入法ではわずかに上昇し（0.062および0.059）、頻度的性質が劣っていることが示された。
• 中程度の打ち切り割合（例：MRD値の35％が打ち切り）でも、この手法はバイアスと効率性の点で従来手法を上回る、頑健な性能を示した。
• このパッケージは区間打ち切り共変量の処理が可能であり、複数の非打ち切り共変量の取り扱いも可能であり、元々のSattarら（2012）の枠組みを拡張した応用範囲を有する。
• 数値積分の必要があるものの、計算パフォーマンスは妥当な範囲に保たれ、一般的な臨床試験の応用に十分な効率性を有している。