[논문 리뷰] Regression Modeling for Recurrent Events Using R Package reReg

Sy Han Chiou, Gongjun Xu외 2명|arXiv (Cornell University)|2021. 04. 23.

Statistical Methods and Inference참고 문헌 37인용 수 5

한 줄 요약

이 논문은 재발 이벤트 분석을 위한 R 패키지 reReg을 소개하며, 개별 환자에 대한 프레일티를 통한 정보성 종료 이벤트를 수용할 수 있는 유연한 스케일-변경 모형을 사용한다. 이는 기본적인 가정 없이 재발 이벤트와 종료 이벤트를 함께 모델링할 수 있게 하여 생물의학 및 공중보건 연구에 대한 강력하고 사용자 友好的인 도구를 제공한다.

ABSTRACT

Recurrent event analyses have found a wide range of applications in biomedicine, public health, and engineering, among others, where study subjects may experience a sequence of event of interest during follow-up. The R package reReg (Chiou and Huang 2021) offers a comprehensive collection of practical and easy-to-use tools for regression analysis of recurrent events, possibly with the presence of an informative terminal event. The regression framework is a general scale-change model which encompasses the popular Cox-type model, the accelerated rate model, and the accelerated mean model as special cases. Informative censoring is accommodated through a subject-specific frailty without no need for parametric specification. Different regression models are allowed for the recurrent event process and the terminal event. Also included are visualization and simulation tools.

연구 동기 및 목표

• 종료 이벤트(예: 사망)가 재발 이벤트 과정에 영향을 미치고 그 영향이 정보적일 수 있는 종단적 연구에서 재발 이벤트를 분석하는 데 도전하는 것.
• 기존의 코크스형, 가속 비율, 가속 평균 모형을 일반화하는 통합된 회귀 프레임워크를 개발하는 것.
• 기본 위험도에 대한 비모수적 가정이 필요 없는 재발 이벤트와 종료 이벤트의 공동 모델링을 지원하는 계산적으로 효율적이고 사용자 친화적인 R 패키지 제공.
• 개별 환자에 대한 프레일티를 통합하여 정보성 이탈을 고려함으로써 통계적 추론을 향상시키는 것.
• 모델 진단 및 방법론적 탐색을 지원하기 위한 시각화 및 시뮬레이션 도구 포함.

제안 방법

• 코크스형, 가속 비율, 가속 평균 모형을 특수 케이스로 포함하는 통합적인 스케일-변경 모형을 제안.
• 기본 강도 함수에 대한 비모수적 사양이 필요 없이 재발 이벤트 과정과 종료 이브트 간의 의존성을 주로 환자별 프레일티 항목을 통해 모델링.
• 스케일-변경 모형 프레임워크 하에서 회귀 계수를 효율적으로 추정하기 위해 가짜 스코어 추정 방정식 방법을 사용.
• 재발 이벤트 과정과 종료 이벤트 과정에 대해 서로 다른 회귀 모형을 설정할 수 있도록 하여 그 상관관계를 민감하게 모델링.
• 다양한 모형 가정 하에서 재발 이벤트 데이터를 생성할 수 있는 시뮬레이션 도구 통합으로 방법 검증 및 연구 설계 지원.
• 모형 적합도 평가, 기본 강도 추정, 추정된 회귀 효과 표시를 위한 시각화 기능 제공.

실험 결과

연구 질문

• RQ1 정보성 종료 이벤트를 고려하면서 재발 이벤트를 모델링할 수 있는 통합된 회귀 프레임워크는 어떻게 개발할 수 있는가?
• RQ2 비모수적 가정 없이 재발 이벤트와 종료 이벤트 간의 의존성을 처리할 때 스케일-변경 모형의 성능은 어떠한가?
• RQ3 개별 환자별 프레일티의 포함이 정보성 이탈 상황에서 추정 정확도를 어떻게 향상시키는가?
• RQ4 reReg 패키지는 다양한 유형의 재발 이벤트 및 종료 이벤트 과정에 대해 얼마나 민감하게 모델링을 지원할 수 있는가?
• RQ5 시각화 및 시뮬레이션 도구는 모형 진단 및 방법론적 탐색에 얼마나 효과적인가?

주요 결과

• reReg 패키지는 기존의 재발 이벤트 모형(코크스형, 가속 비율, 가속 평균 모형 포함)을 일반화하는 유연한 스케일-변경 모형을 성공적으로 구현하였다.
• 개별 환자별 프레일티 접근법은 기본 강도 함수에 대한 비모수적 가정 없이도 정보성 이탈을 효과적으로 처리한다.
• 가짜 스코어 추정 방정식 방법을 통해 스케일-변경 모형 프레임워크 하에서 회귀 계수의 일致적이고 효율적인 추정을 달성한다.
• 패키지는 재발 이벤트와 종료 이벤트를 별도로 모델링할 수 있도록 하여 서로 다른 회귀 구조를 허용하고 모델 정확도 향상에 기여한다.
• reReg에 통합된 시뮬레이션 및 시각화 도구를 통해 연구자들은 모형 검증, 자료 탐색, 모형 적합도 평가를 효과적으로 수행할 수 있다.
• 이 프레임워크는 계산적으로 효율적이고 사용자 친화적이며, 생물의학, 공중보건, 공학 분야에서 실용적 응용에 적합하다.