[논문 리뷰] Statistical Methods for Accommodating Immortal Time: A Selective Review and Comparison

Jiping Wang, Peter Peduzzi외 2명|arXiv (Cornell University)|2022. 02. 04.

Advanced Causal Inference Techniques인용 수 6

한 줄 요약

이 논문은 생존 분석에서 불사의 시간 편향을 다루기 위한 통계적 방법을 검토하고 비교하며, 단순한 제거에서 고급 시간에 따라 변하는 치료 모델에 이르기까지 다양한 기법을 평가한다. 시뮬레이션과 실제 데이터 분석을 통해 시간에 따라 변하는 치료 모델 및 순차적 시험 방법이 편향 없는 추정치를 제공하는 반면, 다른 접근 방식은 심각한 편향을 초래함을 입증하며, 인과적 추론 환경에서 생물의학 연구자들에게 중요한 지침을 제공한다.

ABSTRACT

Epidemiologic studies and clinical trials with a survival outcome are often challenged by immortal time (IMT), a period of follow-up during which the survival outcome cannot occur because of the observed later treatment initiation. It has been well recognized that failing to properly accommodate IMT leads to biased estimation and misleading inference. Accordingly, a series of statistical methods have been developed, from the simplest by including or excluding IMT to various weightings and the more recent sequential methods. Our literature review suggests that the existing developments are often "scattered", and there is a lack of comprehensive review and direct comparison. To fill this knowledge gap and better introduce this important topic especially to biomedical researchers, we provide this review to comprehensively describe the available methods, discuss their advantages and disadvantages, and equally important, directly compare their performance via simulation and the analysis of the Stanford heart transplant data. The key observation is that the time-varying treatment modeling and sequential trial methods tend to provide unbiased estimation, while the other methods may result in substantial bias. We also provide an in-depth discussion on the interconnections with causal inference.

연구 동기 및 목표

• 임상 및 역학 연구에서 인과적 추론을 왜곡하는 광범위한 문제인 불사의 시간 편향을 다루기 위해.
• 기본적인 접근 방식부터 고급 모델링 기법에 이르기까지 불사의 시간을 수용하기 위한 기존의 통계적 방법을 체계적으로 검토하기 위해.
• 특히 스탠포드 심장 이식 데이터셋을 사용하여 시뮬레이션 연구와 실제 데이터 분석을 통해 이러한 방법들의 성능을 비교하기 위해.
• 관찰 연구에서 불사의 시간 편향과 인과적 추론 프레임워크 간의 관계를 명확히 하기 위해.
• 시간 간격 분석에서 편향 없는 추정을 확보하기 위해 연구자가 적절한 방법을 선택하는 데 실용적인 지침을 제공하기 위해.

제안 방법

• 저자는 불사의 시간을 처리하기 위한 다양한 방법, 즉 불사의 시간 제거, 포함, 가중치 부여 방법, 시간에 따라 변하는 치료 모델링을 검토한다.
• 다양한 시나리오, 특히 치료 효과 크기와 이탈률의 변화가 있는 상황에서 편향, 유형 I 오류, 신뢰구간 커버리지 확률을 평가하기 위해 시뮬레이션 연구를 수행한다.
• 실제 적용 사례에서의 방법적 차이를 설명하기 위해 생존 시간 결과와 치료 시작 시점에 중점을 두고 스탠포드 심장 이식 데이터셋을 분석한다.
• 치료를 특정 시점 이후에만 활성화되는 동적 노출로 표현하기 위해 시간에 따라 변하는 공변량 모델을 적용한다.
• 치료를 시간에 따라 변하는 과정으로 모델링함으로써 인과적 추론 원칙과 부합하는 대안적 접근으로 순차적 시험 방법을 평가한다.
• 편향, 평균제곱오차, 신뢰구간 커버리지와 같은 통계적 지표를 사용하여 방법의 성능을 비교한다.

실험 결과

연구 질문

• RQ1 불사의 시간이 존재할 경우 생존 분석에서 어떤 통계적 방법이 편향을 가장 효과적으로 줄이는가?
• RQ2 불사의 시간을 제거하거나 포함하는 등의 다양한 접근 방식이 추정 정확도와 추론 타당성에 어떤 영향을 미치는가?
• RQ3 시간에 따라 변하는 치료 모델 및 순차적 시험 방법은 전통적 방법에 비해 편향과 커버리지 측면에서 얼마나 뛰어나게 성능을 발휘하는가?
• RQ4 다양한 데이터 조건, 즉 치료 효과 크기의 차이와 이탈 패tern의 변화에 따라 이러한 방법들은 어떻게 성능을 발휘하는가?
• RQ5 특정 불사의 시간 수용 기법을 사용할 경우 인과적 추론에 어떤 의미가 있는가?

주요 결과

• 시간에 따라 변하는 치료 모델링과 순차적 시험 방법은 시뮬레이션 시나리오 전반에서 일관되게 편향 없는 추정치를 생성하였으며, 커버리지 확률은 명목 수준에 가까웠다.
• 불사의 시간을 제거하거나 포함하는 방법은 치료 효과가 강하거나 추적 기간이 길 경우 특히 심각한 편향을 초래하였다.
• 가중치 부여 방법은 성능이 혼합되었으며, 일부 변형은 편향을 줄였지만 고 이탈률 조건에서는 완전히 제거하지 못하였다.
• 스탠포드 심장 이식 데이터 분석 결과는 시뮬레이션 결과를 확인하였으며, 기존 방법은 시간에 따라 변하는 모델에 비해 오해의 여지가 있는 위험비 추정치를 보였다.
• 연구는 불사의 시간을 간과할 경우 관찰 연구에서 치료 효과가 과대평가될 수 있음을 강조한다. 특히 치료 시작이 지연되는 경우에 더욱 그렇다.
• 저자는 불사의 시간 조건 하에서 생존 분석에서 편향을 최소화하기 위해 시간에 따라 변하는 치료 모델링이 가장 강력한 접근 방식이라고 결론 내린다.