[논문 리뷰] A hypothesis testing framework for the ratio of means of two negative binomial distributions: classifying the efficacy of anthelmintic treatment against intestinal parasites

Matthew Denwood, Giles Innocent외 10명|arXiv (Cornell University)|2019. 10. 15.

Helminth infection and control참고 문헌 1인용 수 12

한 줄 요약

이 논문은 기생충학에서 흔한 과분산 카운트 데이터(예: 기생충 알 개수)를 사용하여 약물의 기생충 퇴치 효과를 평가하기 위해 두 개의 음수 이항분포에서 평균의 비율을 비교하는 데 전용된 새로운 가설 검정 프레임워크를 제안한다. 이 방법은 치료 효과를 '적절한', '감소한', '경계선', 또는 '결론 불명확한' 네 가지 해석 가능한 범주로 분류하며, 100% 효과성에서의 정확한 추론과 검정 유형 I 오류 통제가 검증되어 있어 기존 방법보다 강건성과 해석 가능성 면에서 뛰어나다.

ABSTRACT

Over-dispersed count data typically pose a challenge to analysis using standard statistical methods, particularly when evaluating the efficacy of an intervention through the observed effect on the mean. We outline a novel statistical method for analysing such data, along with a statistically coherent framework within which the observed efficacy is assigned one of four easily interpretable classifications relative to a target efficacy: "adequate", "reduced", "borderline" or "inconclusive". We illustrate our approach by analysing the anthelmintic efficacy of mebendazole using a dataset of egg reduction rates relating to three intestinal parasites from a treatment arm of a randomised controlled trial involving 91 children on Pemba Island, Tanzania. Numerical validation of the type I error rates of the novel method indicate that it performs as well as the best existing computationally-simple method, but with the additional advantage of providing valid inference in the case of an observed efficacy of 100%. The framework and statistical analysis method presented also allow the required sample size of a prospective study to be determined via simulation. Both the framework and method presented have high potential utility within medical parasitology, as well as other fields where over-dispersed count datasets are commonplace. In order to facilitate the use of these methods within the wider medical community, user interfaces for both study planning and analysis of existing datasets are freely provided along with our open-source code via: http://www.fecrt.com/framework

연구 동기 및 목표

• 기생충학에서 과분산 카운트 데이터를 분석하는 데 도전하는 문제를 해결하기 위해, 특히 기생충 퇴치제 투여 후 알 개수 감소를 다루는 것.
• 치료 효과를 '적절한', '감소한', '경계선', 또는 '결론 불명확한' 네 가지 쉽게 해석할 수 있는 범주로 분류할 수 있는 통계적으로 일관된 가설 검정 프레임워크를 개발하는 것.
• 특히 극단적인 효과 크기(예: 100% 효과성)에서 유효한 통계적 추론을 보장하여, 기존 방법이 종종 실패하는 상황에서도 정확한 결과를 도출하는 것.
• 모의 실험을 통한 시뮬레이션을 통해 사전 표본 크기 결정을 가능하게 하여 의료 기생충학 분야의 효율적인 시험 설계를 지원하는 것.
• 의료 및 역학 연구 공동체에서의 보급을 촉진하기 위해 오픈소스 도구와 사용자 친화적인 인터페이스를 제공하는 것.

제안 방법

• 이 방법은 기생충 알 개수 데이터에 내재된 과분산을 고려하여 두 음수이항분포의 평균 비율에 대한 최대우도비검정(Likelihood Ratio Test, LRT)을 사용한다.
• 통계적 유의성과 사전 정의된 임계값을 바탕으로 관측된 효과성을 네 가지 범주로 분류하는 체계를 도입하여 임상 및 공중보건 의사결정에 대한 해석 가능성 향상.
• 관측된 효과성이 100%일 경우에도 정확한 추론 절차를 통합하여, 유의미한 유형 I 오류 비율을 유지하며, 이는 많은 전통적 방법의 한계이다.
• 소표본 크기와 과분산 조건 하에서도 강건성을 확보하기 위해, 검정 통계량의 귀무분포를 추정하기 위해 파arametric bootstrap을 사용한다.
• 모의 실험 기반의 검정력 및 표본 크기 계산을 허용하여 연구자가 향후 연구의 원하는 정밀도와 오류 비율을 확보한 설계를 계획할 수 있도록 한다.
• 연구 계획 수립과 기존 데이터셋 분석을 지원하기 위해 오픈소스 R 패키지와 웹 기반 사용자 인터페이스를 제공한다.

실험 결과

연구 질문

• RQ1 기생충 퇴치제 효과 시험의 맥락에서, 과분산이 있는 두 음수이항분포의 평균 비율을 신뢰성 있게 검정하는 방법은 무엇인가?
• RQ2 어떤 통계적 프레임워크가 치료 효과를 '적절한', '감소한', '경계선', 또는 '결론 불명확한' 네 가지 구분 가능한 범주로 해석 가능한 분류를 가능하게 하는가?
• RQ3 관측된 효과성이 100%일 경우, 많은 표준 방법이 실패하는 상황에서도 가설 검정 방법이 유효한 유형 I 오류 비율을 유지할 수 있는가?
• RQ4 모의 실험 기반의 검정력 분석을 통해 과분산 카운트 데이터 하에서 향후 시험의 표본 크기 요구사항을 어떻게 정확하게 산정할 수 있는가?
• RQ5 실제 기생충학 데이터셋에서, 제안된 방법이 통계적 타당성과 해석 가능성 면에서 기존 방법보다 얼마나 뛰어나게 성능을 발휘하는가?

주요 결과

• 제안된 방법은 적절한 유형 I 오류 비율을 유지하며, 계산이 단순한 최고의 기존 방법과 동등하거나 그 이상의 성능을 보이며, 특히 극단적인 효과 크기에서 뛰어난 성능을 발휘한다.
• 관측된 알 감소율이 100%일 경우에도 유효한 통계적 추론을 제공하여, 전통적 접근 방식에 비해 근본적인 이점이 있다.
• 네 가지 범주로 분류된 체계(‘적절한’, ‘감소한’, ‘경계선’, ‘결론 불명확한’)는 공중보건 및 임상 의사결정에 명확하고 실행 가능한 해석을 제공한다.
• 수치적 검증을 통해 방법이 분산 및 표본 크기의 다양한 조건에서의 유형 I 오류를 제어함으로써 강건성을 확인하였다.
• 모의 실험을 통한 정확한 표본 크기 추정이 가능하여, 향후 기생충학 분야의 무작위 대조 시험의 효율적 설계를 지원한다.
• 오픈소스 코드와 사용자 친화적인 인터페이스의 가용성이 의료 및 역학 연구 공동체에서의 접근성과 보급을 크게 향상시켰다.