[논문 리뷰] A distributed regression analysis application based on SAS software Part II: Cox proportional hazards regression

Yury Vilk, Zilu Zhang외 5명|arXiv (Cornell University)|2018. 08. 07.

Pesticide Residue Analysis and Safety참고 문헌 7인용 수 4

한 줄 요약

이 논문은 Base SAS와 SAS/STAT만을 사용하여, SAS/IML이 필요하지 않은, 개인정보 보호 기능을 갖춘 분산 회귀 분석(DRA) 응용 프로그램을 제안한다. 이는 Cox 비례 위험 모델에 대한 분산 분석을 가능하게 하며, 중앙집중식 분석 결과를 정확하게 재현한다. 이 방법은 요약 통계자료만을 사용하여 분산된 위험 비율 추정을 성공적으로 수행하며, 다양한 시험 환경에서 검증되었고, 중앙집중식 분석 결과와 정확히 일치한다.

ABSTRACT

Previous work has demonstrated the feasibility and value of conducting distributed regression analysis (DRA), a privacy-protecting analytic method that performs multivariable-adjusted regression analysis with only summary-level information from participating sites. To our knowledge, there are no DRA applications in SAS, the statistical software used by several large national distributed data networks (DDNs), including the Sentinel System and PCORnet. SAS/IML is available to perform the required matrix computations for DRA in the SAS system. However, not all data partners in these large DDNs have access to SAS/IML, which is licensed separately. In this second article of a two-paper series, we describe a DRA application developed using Base SAS and SAS/STAT modules for distributed Cox proportional hazards regression within horizontally partitioned DDNs and its successful tests.

연구 동기 및 목표

• 수평 분할된 분산 데이터 네트워크(DDN) 환경에서 Base SAS와 SAS/STAT만을 사용하여 Cox 비례 위험 모델에 대한 분산 회귀 분석(DRA) 응용 프로그램을 개발하는 것.
• Sentinel 시스템과 PCORnet와 같은 대규모 국가적 DDN에서 데이터 파art너가 모두 접근할 수 있는 SAS/IML에 의존하지 않는 것.
• 원칙적으로 환자 수준의 데이터를 공유하지 않고도, 요약 수준의 정보 교환을 통해 다중 기관 간 다변량 조정 생존 분석을 가능하게 하는 것.
• 실제 분산 데이터 환경을 모의한 제어된 시험 환경을 통해 방법의 정확성과 실현 가능성을 검증하는 것.

제안 방법

• 각 기관에서 원시 데이터를 공유하지 않고도, 자체 데이터에서 국소 요약 통계자료(예: 스코어 행렬 및 정보 행렬)를 계산하는 분산 추정 프레임워크를 사용한다.
• 모든 기관의 요약 통계자료를 중앙 집중적으로 집계하여, 표준 DRA 원칙을 사용해 전체 회귀 계수와 분산-공분산 행렬을 계산한다.
• 국소 Cox 회귀 분석을 수행하고 필요한 요약 출력 자료를 추출하기 위해 기존의 SAS/STAT 절차(예: PROC PHREG)를 활용한다.
• 결과 조합에 필요한 행렬 연산은 SAS/IML에 의존하지 않고 Base SAS 프로그래밍을 통해 구현한다.
• 이 방법은 Cox 비례 위험 모델 내에서 시간에 따라 변하는 변수와 시간에 따라 변하지 않는 변수를 모두 지원한다.
• 이 프레임워크는 원칙적으로 원시 환자 수준의 데이터나 개인 정보를 기관 간 공유하지 않아 개인정보 보호를 보장한다.

실험 결과

연구 질문

• RQ1 Base SAS와 SAS/STAT만을 사용하여 SAS/IML이 필요 없이 분산 Cox 비례 위험 모델을 구현할 수 있는가?
• RQ2 동일한 데이터를 사용할 때, 분산 추정된 위험 비율이 중앙집중식 분석 결과와 얼마나 정확하게 재현되는가?
• RQ3 PCORnet와 Sentinel 시스템과 같은 대규모 수평 분할 분산 데이터 네트워크에서 이 방법을 적용할 수 있는가?
• RQ4 이 방법은 분산된 기관 간 데이터 결손 또는 다양한 데이터 구조를 어떻게 다루는가?
• RQ5 이 방법은 다양한 데이터 파트너 구성 조건에서도 통계적 타당성과 계산 효율성을 유지할 수 있는가?

주요 결과

• 제안된 DRA 응용 프로그램은 모든 시험 환경에서 중앙집중식 Cox 회귀 분석 결과를 높은 정확도로 재현하여, 추정된 위험 비율과 표준 오차에서 동등성을 입증했다.
• 이 방법은 기존의 SAS/STAT 절차와 완전히 호환되어, SAS/IML가 사용 불가능한 환경에서도 구현이 가능했다.
• 원칙적으로 원시 데이터나 개인 수준의 정보를 기관 간 공유하지 않아, 데이터 프라이버시를 유지했다.
• 다양한 데이터 구조와 표본 크기를 가진 다수의 데이터 파트너를 포함한 시뮬레이션 환경에서 이 방법은 확장성과 강건성을 입증했다.
• 이 구현은 표준 SAS 모듈만을 요구하여, 대규모 국가적 분산 데이터 네트워크의 데이터 파트너들이 접근하기 위한 장벽을 크게 낮췄다.
• 여러 시험 케이스를 통해 검증된 결과, 요약 통계자료를 사용한 분산 추정이 중앙집중식 분석 결과와 구분되지 않을 정도로 정확한 결과를 도출함을 확인했다.