15.6: 生存分析の仮定

生存モデルは、生物の死や機械システムの故障など、1 つ以上のイベントが発生するまでの時間を分析します。これらのモデルは、医学、生物学、工学、公衆衛生などの分野で、イベント発生までの時間現象を研究するために広く使用されています。正確な結果を保証するために、生存分析は重要な前提と慎重な研究設計に依存しています

1. 生存時間は正に歪んでいる

   生存時間は、他の多くの分析で想定されている正規分布とは異なり、正の歪度を示すことがよくあります。つまり、イベントは初期には頻繁に発生し、時間の経過とともに発生が少なくなる傾向があります。

2. データの打ち切り

   打ち切りは、個人の全生存時間が観察されない場合に発生しますが、欠落データとは異なります。打ち切りの一般的な原因には、参加者が研究から脱退すること、イベントが発生する前に研究期間が終了すること、参加者が無関係なイベント (無関係な原因による死亡など) を経験することなどがあります。例えば、心臓病の研究では、事故で死亡した参加者のデータは死亡時に打ち切られることになります。

3. 独立打ち切り

   この仮定は、打ち切りの理由が関心のあるイベントの発生確率とは無関係であると仮定しています。例えば、重篤な症状のある参加者が研究から脱落する可能性が高い場合、生存率の推定に偏りが生じる可能性があります。打ち切りが参加者の健康状態から独立していることを保証することは、信頼性の高い分析を行うために重要です。

4. 比例ハザード (Cox モデルに固有)

   Cox 比例ハザード モデルでは、任意の 2 人の個人間のハザード比が時間の経過とともに一定であると仮定しています。例えば、研究開始時に 1 つのグループのイベントのリスクが別のグループの 2 倍である場合、このリスク比は研究期間全体にわたって維持される必要があります。

5. 定常性

   定常性では、明示的にモデル化されていない限り、イベントの確率が時間の経過とともに変化すると、全てのグループで同様に変化すると仮定しています。例えば、新しい薬剤で治療した患者と標準治療した患者の生存期間を比較する場合、生存に影響を与える外部要因は、考慮されない限り、両方のグループに等しく影響するはずです。

6. 明確で臨床的に重要なイベント

   関心のあるイベントは、正確な測定と分析を可能にするために、臨床的に重要で明確に定義されている必要があります。あいまいなイベントや誤分類されたイベント (例: 不明瞭な再発基準) は、生存期間データの妥当性を損なう可能性があります。

7. 十分な追跡期間

   追跡期間は、統計的検出力を強化するために十分な数のイベントを観察できるほど長くする必要があります。追跡期間が短いと、重要なイベントを見逃し、不完全又は偏った結論につながる可能性があります。また、結果の偏りを避けるために、異なる時期に募集された参加者間のイベントリスクの違いを最小限に抑えることも重要です。

x生存分析における設計上の考慮事項

生存研究は、これらの仮定を考慮して慎重に設計する必要があります。イベントの明確な定義、十分な追跡期間、及び打ち切りバイアスを最小限に抑える戦略が不可欠です。これらの要因が適切に管理されていれば、生存モデルは様々な分野にわたってイベント発生までの時間に関する貴重な洞察を提供できます。

統計的手法である生存分析は、イベントが発生するまでの時間を評価します。これは、平均余命を分析するために医学で一般的に使用されています。

正確な分析のためには、明確に定義され、明確で、観察可能な臨床的に関連するイベントを選択することが極めて重要です。

重要な側面の1つは、死亡や参加者の退出などのイベントによりデータが不完全な場合に発生する検閲です。たとえば、研究から離脱する患者のデータは右打ち切りされます。

独立した検閲とは、検閲の理由(研究からの脱落など)が関心のある結果とは無関係であることを意味します。

次に、Cox比例ハザードの仮定は、グループ間の相対リスクまたはハザード比が一定のままであると仮定します。

定常性の仮定により、イベントが時間とともに変化する確率は、明示的にモデル化されていない限り、すべての研究グループで同じになります。

さらに、追跡期間とサンプルサイズは、堅牢な分析のために十分なイベントの発生を確保するために慎重に決定する必要があります。