경쟁 위험 모델의 R 기반 조경 유효성 검사An R-based landscape validation of a competing risk model

요약

본 프로토콜은 경쟁 위험 모델의 식별 및 보정 능력을 평가하기 위한 R의 코드와 내부 및 외부 검증을 위한 코드를 설명합니다.

초록

Cox 비례 위험 모델은 임상 환경에서 생존 분석에 널리 적용되지만 여러 생존 결과에 대처할 수는 없습니다. 기존의 Cox 비례 위험 모델과 달리 경쟁 위험 모델은 경쟁 이벤트의 존재와 임상의가 정확한 예후 예측을 수행하는 데 유용한 도구인 그래픽 계산 장치인 노모그램과의 조합을 고려합니다. 이 연구에서 우리는 경쟁 위험 노모그램을 설정하는 방법, 즉 차별(즉, 일치 지수 및 곡선 아래 면적) 및 교정(즉, 교정 곡선) 능력의 평가와 순 이익(즉, 결정 곡선 분석). 또한, 기존 데이터셋의 부트스트랩 리샘플링을 이용한 내부검증과 기존 경쟁위험노모그램의 외부 데이터셋을 이용한 외부 검증도 수행하여 외삽 능력을 입증하였다. 경쟁 위험 노모그램은 임상의가 경쟁 위험을 고려하여 예후를 예측하는 데 유용한 도구 역할을 해야 합니다.

서론

최근 몇 년 동안 정밀 의학의 발달로 새로운 예후 요인이 확인되었으며 분자 및 임상 병리학 적 요인을 결합한 예후 모델이 임상 환경에서 점점 더 주목을 받고 있습니다. 그러나, 계수 값의 결과가 있는 Cox 비례 위험 모델과 같은 비그래픽 모델은 임상의가 이해하기 어렵다¹. 이에 비해 노모그램은 회귀 모델(Cox 회귀 모델, 경쟁 위험 모델 등 포함)의 시각화 도구로, 수학 함수 2의 대략적인 그래픽 계산을 위해 설계된²차원 다이어그램이다. 이를 통해 임상 모델에서 다양한 수준의 변수를 평가하고 위험 점수(RS)를 계산하여 예후를 예측할 수 있습니다.

모델 평가는 모델 구축에 필수적이며 일반적으로 식별과 보정이라는 두 가지 특성이 평가에 허용됩니다. 임상 모델에서 차별은 사망한 환자와 생존한 환자와 같이 사건이 발생하는 개인과 그렇지 않은 개인을 구분하는 모델의 능력을 말하며, 일치 지수(C-index) 또는 수신기 작동 특성 곡선 아래 면적(AUC)은 일반적으로 이를 특성화하는 데 사용됩니다 ^3,4. 캘리브레이션은 모델의 예측 확률과 실제 확률을 비교하....

프로토콜

SEER(Surveillance, Epidemiology, and End Results) 데이터베이스는 비식별화된 환자 데이터(SEER ID: 12296-Nov2018)만 포함하는 오픈 액세스 암 데이터베이스입니다. 따라서 본 연구는 저장대학교 의과대학 부속 진화병원 심사위원회의 승인을 면제받았다.

1. 데이터 준비 및 R 패키지 준비

1. 데이터를 준비하고 가져옵니다.
   > 데이터 세트<- read.csv(".../Breast cancer Data.xlsx") #Import 데이터 입니다.
   참고: 데이터는 보충 파일 1에 업로드됩니다.
2. R 패키지를 설치하고 로드합니다.
   > 패키지 <- c("rms","cmprsk","mstate","survival","riskRegression","
   prodlim")
   > req.pcg <- 함수(pcg){
   새로운 <- PCG[!( pcg %in% installed.packages()[, "패키지"])]
   if (length(new)) install.packages(new, 종속성 = T)
   sapply(pcg, 필요, ch = T)
   }
   > req.....

결과

이 연구에서는 SEER 데이터베이스에서 유방암 환자의 데이터를 검색하여 예제 데이터로 사용했습니다. SEER 데이터베이스는 미국 인구의 약 34.6%를 차지하는 암에 대한 데이터를 제공하며 데이터베이스 액세스 권한을 얻었습니다(참조 번호 12296-2018년 11월).

조직학적 유형, 분화 등급, T 단계 및 N 단계를 포함하는 두 개의 노모그램(그림 1)은 각각 직접 방법과 가중 방법을 사용하여 설정되었습니다. 각 변수 수준의 포인트와 총점에 해당하는 확률은 거의 동일했지만 약간의 차이가 관찰되었습니다. Zhang et al. 경쟁 위험 노모그램을 설정하기 위해 "가중치" 접근 방식을 도입했는데, 먼저 원본 데이터를 가중 데이터로 변환한 다음( 함수 crprep 사용), 가중 데이터로 Cox 회귀 모델을 구성하고(함수 coxph 사용), 마지막으로 Cox 회귀 모델(함수 노모그램 사용)과 경쟁.......

토론

이 연구는 두 가지 별개의 방법으로 확립된 경쟁 위험 노모그램을 비교하고 확립된 노모그램에 대한 평가 및 검증을 수행했습니다. 구체적으로, 본 연구에서는 직접적인 방법을 기반으로 노모그램을 설정하고 C-index를 계산하고 검량선을 플로팅하기 위한 단계별 튜토리얼을 제공했습니다.

R 소프트웨어의 rms 패키지는 Cox 비례 위험 모델의 구성 및 평가에 널리 사용되지만 경쟁 위험 모델에는 적용되지 않습니다. 여러 결과가 있는 모델의 경우 Zhang et al. AUC 및 Brier 점수를 계산하여 식별 능력을 평가하고 보정 능력을 검증하기 위해 보정 곡선을 플롯하는 R 소프트웨어의 riskRegression 패키지를 사용하여 경쟁 위험 모델의 검증을 보고했습니다 ^9,10.

그러나 riskR.......

재료

이 논문에 사용된 재료 목록

이름	회사	카탈로그 번호	댓글
R 소프트웨어	없음	해당 없음	버전 3.6.2 이상
컴퓨터 시스템	Microsoft	윈도우 10	Windows 10 이상