[论文解读] A distributed regression analysis application based on SAS software Part II: Cox proportional hazards regression

Yury Vilk, Zilu Zhang+5 more|arXiv (Cornell University)|Aug 7, 2018

Pesticide Residue Analysis and Safety参考文献 7被引用 4

一句话总结

本文提出了一种基于SAS的新型分布式回归分析（DRA）应用，用于Cox比例风险回归，仅使用Base SAS和SAS/STAT，无需SAS/IML，即可实现隐私保护的多中心生存分析。该方法仅通过汇总统计量成功完成分布式风险比估计，在多个测试场景中验证了其结果与集中式分析的一致性，准确再现了集中分析结果。

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.

研究动机与目标

• 在仅使用Base SAS和SAS/STAT的前提下，为水平分区的分布式数据网络（DDNs）中的Cox比例风险回归开发一种分布式回归分析（DRA）应用。
• 消除对SAS/IML的依赖，因为SAS/IML在像Sentinel System和PCORnet这样的大型国家级DDNs中并非所有数据合作方都能访问。
• 通过仅交换汇总层面的信息，实现在多个站点之间进行多变量校正的生存分析，同时保护数据隐私。
• 通过模拟真实世界分布式数据环境的受控测试场景，验证该方法的准确性和可行性。

提出的方法

• 该方法采用分布式估计框架，各站点在其本地数据上计算本地汇总统计量（如得分矩阵和信息矩阵），而无需共享原始数据。
• 所有站点的汇总统计量被集中聚合，利用标准DRA原理计算总体回归系数和方差-协方差矩阵。
• 该方法利用现有的SAS/STAT过程（如PROC PHREG）在本地执行Cox回归并提取必要的汇总输出。
• 组合结果所需的矩阵运算通过Base SAS编程实现，避免依赖SAS/IML。
• 该方法支持Cox比例风险模型中的时间依赖性和时间非依赖性协变量。
• 该框架确保仅交换汇总层面的统计量，从不共享原始患者级数据，从而保障隐私。

实验结果

研究问题

• RQ1 能否仅使用Base SAS和SAS/STAT实现分布式Cox比例风险回归，而无需SAS/IML？
• RQ2 使用相同数据时，分布式风险比估计的准确性如何，能否准确复制集中式分析的结果？
• RQ3 该方法在大规模、水平分区的分布式数据网络（如PCORnet和Sentinel System）中的可行性如何？
• RQ4 该方法如何处理不同站点之间缺失数据或数据结构差异的问题？
• RQ5 该方法在不同数据合作方配置下能否保持统计有效性与计算效率？

主要发现

• 所提出的DRA应用在所有测试场景中均以高精度复现了集中式Cox回归结果，估计的风险比和标准误均显示等价性。
• 该方法与现有SAS/STAT过程完全兼容，可在SAS/IML不可用的环境中部署。
• 该框架通过确保站点之间不共享任何原始数据或个体层面信息，有效维护了数据隐私。
• 在涉及多个数据合作方、数据结构和样本量各不相同的模拟环境中，该方法表现出良好的可扩展性和鲁棒性。
• 该实现仅需标准SAS模块，显著降低了大型国家级分布式数据网络中数据合作方的参与门槛。
• 通过多个测试案例验证，表明基于汇总统计量的分布式估计结果与集中式分析结果无法区分。