[논문]의료, 보건, 역학 분야에서 생산되는 준경쟁적 위험자료를 분석하기 위한 통계적 모형의 개발과 임상분석시스템 구축을 위한 연구

김진흠

doi:10.5351/kjas.2020.33.4.379

의료, 보건, 역학 분야에서 생산되는 준경쟁적 위험자료를 분석하기 위한 통계적 모형의 개발과 임상분석시스템 구축을 위한 연구
Developing statistical models and constructing clinical systems for analyzing semi-competing risks data produced from medicine, public heath, and epidemiology 원문보기

응용통계연구 = The Korean journal of applied statistics, v.33 no.4, 2020년, pp.379 - 393

초록
AI-Helper

사망과 같은 종말 사건은 중간 사건을 중도절단 시킬 수 있지만 재발과 같은 중간 사건은 종말 사건을 중도절단 시킬 수 없는 자료를 준경쟁위험 자료라고 하는데 의학 및 보건, 역학 분야에서는 이와 같은 자료를 자주 접하게 된다. 본 논문에서는 질병-사망 모형에 포함된 세 가지 전이 시간이 모두 구간중도절단된 준경쟁위험 자료를 분석하기 위해 정규 프레일티를 가진 와이블 회귀모형을 제안하였다. 각 개체는 중간 사건과 종말 사건의 발생 여부에 따라 다섯 가지 유형으로 구분되는데 유형별로 조건부 우도함수를 유도하였다. 조정중요표본추출법을 써서 주변 우도함수를 유도한 후 반복의사뉴톤 알고리즘을 써서 최적 추정량을 얻었다. 제안한 추정 방법의 소표본 성질을 살펴보기 위해 모의실험을 수행하였으며 또한 제안한 추정 방법을 Personnes Agées Quid (PAQUID) 자료에 적용하였다.

Abstract ▼ AI-Helper

A terminal event such as death may censor an intermediate event such as relapse, but not vice versa in semi-competing risks data, which is often seen in medicine, public health, and epidemiology. We propose a Weibull regression model with a normal frailty to analyze semi-competing risks data when all three transition times of the illness-death model are possibly interval-censored. We construct the conditional likelihood separately depending on the types of subjects: still alive with or without the intermediate event, dead with or without the intermediate event, and dead with the intermediate event missing. Optimal parameter estimates are obtained from the iterative quasi-Newton algorithm after the marginalization of the full likelihood using the adaptive importance sampling. We illustrate the proposed method with extensive simulation studies and PAQUID (Personnes Agées Quid) data.

주제어

표/그림 (10)

그림 Figure 1.1. Illness-death model with initial, intermediate, and terminal states: λ₀₁, λ₀₂, and λ₁₂ denote the transition intensities of 0 to 1, 0 to 2, and 1 to 2, respectively.
그림 Figure 2.1. Five possible observation patterns for intermediate and terminal events: ▮ denotes the inclusion to the study, ▯ the end of the study, ► the last visit that the subject was observed in the initial state, ◄ the first diagnosis of the intermediate event, ◁ the last visit that the subject was observed in intermediate state, and ▷ the first observation of the terminal event; triangles enclosed with dashed line correspond to unobserved event times.
표 Table 3.1. Empirical results for the relative bias (r.Bias), the standard deviation (SD), the standard errors (SEM), and the coverage probability (CP) for the regression parameters and the variance parameter of a normal frailty based on the 'Proposed' and 'Imputed' models when β_01,1 = β_02,1 = β_12,1 = 1 and β_01,2 = β_02,2 = β_12,2 = 1
표 Table 3.2. Empirical results for the relative bias (r.Bias), the standard deviation (SD), the standard errors (SEM), and the coverage probability (CP) for the regression parameters and the variance parameter of a normal frailty based on the 'Proposed' and 'Imputed' models when β_01,1 = β_02,1 = 1, β_12,1 = 1.5 and β_01,2 = β_02,2 = 1, β_12,2 = 1.5
표 Table 3.3. Empirical results for the relative bias (r.Bias), the standard deviation (SD), the standard errors (SEM), and the coverage probability (CP) for the regression parameters and the variance parameter of a normal frailty based on the 'Proposed' and 'Imputed' models when β_01,1 = β_02,1 = 1, β_12,1 = 0.5 and β_01,2 = β_02,2 = 1, β_12,2 = 0.5
그림 Figure 4.1. Plots of the log of the negative log of the estimated survival function versus the log of time to dementia (left), time to death without dementia (center), and time to death with dementia (right) for checking the assumption of Weibull distribution.
표 Table 4.1. Estimates (Estimate) of the regression parameters and the variance parameter (σ²) of a normal frailty, their standard errors (SE), and P-values based on the 'Proposed' and 'Imputed' models: 0, 1, and 2 represent the healthy, diagnosed with dementia, and dead states, respectively
그림 Figure 4.2. (A) Estimated baseline transition intensities and (B) 0 → 1, (C) 0 → 2, and (D) 1 → 2 estimated transition intensities under the combinations of gender and educational background, where 0, 1, and 2 represent the healthy, diagnosed with dementia, and dead states, respectively.
그림 Figure 4.3. Estimated individual frailty under the combinations of gender and educational background.
그림 Figure 4.4. Estimated individual frailty under four cases of subjects: alive without dementia, alive with dementia, dead with dementia, and dead without dementia.

참고문헌 (19)

Andersen, P. K., Geskus, R. B., de Witte, T., and Putter, H. (2012). Competing risks in epidemiology:possibilities and pitfalls, International Journal of Epidemiology, 41, 861-870.

상세보기
Barrett, J. K., Siannis, F., and Farewell, V. T. (2011). A semi-competing risks model for data with intervalcensoring and informative observation: An application to the MRC cognitive function and aging study, Statistics in Medicine, 30, 1-10.

상세보기
Cox, D. R. (1972). Models and life-tables regression, Journal of the Royal Statistical Society, Series B, 34, 187-220.
Cox, D. R. (1975). Partial likelihood, Biometrika, 62, 269-276.

상세보기
Fine, J. P., Jiang, H., and Chappell, R. (2001). On semi-competing risks data, Biometrika, 88, 907-919.

상세보기
Frydman, H., Gerds, T., Gron, R., and Keiding, N. (2013). Nonparametric estimation in an "illness-death" model when all transition times are interval censored, Biomedical Journal, 55, 823-843.
Helmer, C., Joly, P., Letenneur, L., Commenges, D., and Dartigues, J. F. (2001). Mortality with dementia:results from a French prospective community-based cohort, American Journal of Epidemiology, 154, 642-648.

상세보기
Joly, P., Commenges, D., Helmer, C., and Letenneur, L. (2002). A penalized likelihood approach for an illness-death model with interval-censored data: application to age-specific incidence of dementia, Biostatistics, 3, 433-443.

상세보기
Kim, J. and Kim, J. (2016). Regression models for interval-censored semi-competing risks data with missing intermediate transition status, The Korean Journal of Applied Statistics, 29, 1311-1327.
Kim, J., Kim, J., and Kim, S. W. (2019). Additive-multiplicative hazards regression models for intervalcensored semi-competing risks data with missing intermediate events, BMC Medical Research Methodology, 19, 1-14.

상세보기
Lee, K. H., Lee, C., Alvares, D., and Haneuse, S. (2019). Hierarchical models for parametric and semiparametric analyses of semi-competing risks data. Available from: https://CRAN.R-project.org/packageSemiCompRisks
Leffondre, K., Touraine, C., Helmer, C., and Joly, P. (2013). Interval-censored time-to-event and competing risk with death: is the illness-death model more accurate than the Cox model?, International Journal of Epidemiology, 42, 1177-1186.

상세보기
Pinheiro, J. C. and Bates, D. M. (1995). Approximations to the log-likelihood function in the nonlinear mixed-effects model, Journal of Computational and Graphical Statistics, 4, 12-35.

상세보기
Putter, H., Fiocco, M., and Geskus, R. B. (2007). Tutorial in biostatistics: competing risks and multi-state models, Statistics in Medicine, 26, 2389-2430.

상세보기
Siannis, F., Farewell, V. T., and Head, J. (2007). A multi-state model for joint modelling of terminal and non-terminal events with application to Whitehall II, Statistics in Medicine, 26, 426-442.

상세보기
Touraine, C., Gerds, T. A., and Joly, P. (2014). SmoothHazard: An R package for fitting regression models to interval-censored observations of illness-death models, Journal of Statistical Software, 79, 1-22.
Tsiatis, A. A. (2005). Competing risks, Encyclopedia of Biostatistics, 2, 1025-1035.
Wellner, J. A. and Zhan, Y. (1997). A hybrid algorithm for computation of the nonparametric maximum likelihood estimator from censored data, Journal of the American Statistical Association, 92, 945-959.

상세보기
Xu, J., Kalbfleisch, J. D., and Tai, B. (2010). Statistical analysis of illness-death processes and semicompeting risks data, Biometrics, 66, 716-725.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format