生存データの競合リスク回帰ノモグラムモデルの確立
Summary
ここで提示されるプロトコルは、Cox比例ハザード回帰モデルと競合するリスク回帰モデルに基づいてノモグラムを構築するためのプロトコルです。競合する方法は、生存解析に競合する事象が存在する場合に適用する、より合理的な方法です。
Abstract
カプラン-マイヤー法とCox比例ハザード回帰モデルは、生存フレームワークの中で最も一般的な分析です。これらは比較的簡単に適用および解釈でき、視覚的に描写することができます。しかし、競合する事象(例えば、心血管事故や脳血管事故、治療関連死、交通事故)が存在する場合、標準的な生存方法は慎重に適用する必要があり、実際のデータは正しく解釈できません。失敗を引き起こし、分析で異なる方法で処理するさまざまな種類のイベントを区別することが望ましい場合があります。ここでは、競合する回帰モデルを使用して、競合する事象が存在する場合に有意な予後因子または危険因子を特定する方法に焦点を当てています。さらに、比例ハザード回帰モデルと競合する回帰モデルに基づくノモグラムが確立され、臨床医が個々の評価とリスク階層化を行い、論争の的となっている要因が予後に及ぼす影響を説明するのに役立ちます。
Introduction
イベント生存解析の時間は、臨床試験で非常に一般的です。生存データは、開始時刻から対象イベントの発生までの時間を測定しますが、関心のあるイベントの発生は別のイベントによって排除されることがよくあります。複数のタイプのエンド ポイントが存在する場合、それらは競合するリスクの終了点と呼ばれます。この場合、標準ハザード分析(すなわち、Cox比例原因特異的ハザードモデル)は、別のタイプの事象を経験している個人が検閲されるため、しばしばうまく機能しない。競合するイベントを経験する個人は、通常、競合するリスクが独立していないため、リスクセットに残ることが多いです。したがって、Fine と Gray1 は、競合するリスクのサブ分布の回帰モデル推定を調査しました。競合するリスク設定では、3 種類のイベントを識別できます。
1つは、疾患に対する新しい治療法から直接的な臨床的利益を示すことによって、全生存期間(OS)を測定する。OSは、生年月日(すなわち、診断または治療の時間)から死亡時まで、死因の絶対的なリスクを一般に評価し、それにより死因(例えば、癌特異的死(CSD)または非癌特異的死(非CSD))を区別できない。したがって、OS は最も重要なエンドポイントと見なされます。関心のある事象はしばしば癌に関連し、心臓病、交通事故、その他の無関係な原因を含む非癌特異的事象は競合する事象とみなされる。より長く生き残ることが期待される良好な予後を有する悪性患者は、しばしば非CSDのリスクが高い。つまり、OSは他の死因によって希釈され、臨床治療の実際の有効性を正しく解釈することができません。したがって、OSは疾患3の結果にアクセスするための最適な尺度ではないかもしれません。このようなバイアスは、競合するリスク回帰モデルによって修正できます。
競合するリスク データには、原因固有の危険モデル (Cox モデル) とサブディストリビューションハザード モデル (競合モデル) の 2 つの主要な方法があります。以下のプロトコルでは、原因特異的ハザードモデルとサブ分布ハザードモデルに基づいてノモグラムを生成する2つの方法を提示する。原因固有のハザード モデルは、競合イベントが発生した時点で、競合するイベントを経験する対象を検閲として扱う Cox 比例ハザード モデルに適合するようにできます。1999年にFineとGray1 によって導入されたサブディストリビューションハザードモデルでは、3種類のイベントを差別することができ、競合するイベントを経験する個人は永遠に危険にさらされたままです。
ノモグラムは、3つ以上の変数4の関係を数学的に表したものです。医学のノモグラムは、生物学的および臨床的事象を変数(例えば、腫瘍グレードおよび患者年齢)と考え、特定の個人の統計的予後モデルとしてグラフィカルに描かれた臨床事象(例えば、癌の再発または死亡)の確率を生成する。一般に、ノモグラムはCox,比例ハザードモデル5、6、7、8、9、106,の結果に基づいて策定,8,9される。5710
ただし、競合するリスクが存在する場合、Cox モデルに基づくノモグラムがうまく機能しない場合があります。いくつかの以前の研究11,,12,,13,,14 CSD の確率を推定するために競合するリスクノモグラムを適用しているが、いくつかの研究は、競合するリスク回帰モデルに基づいてノモグラムを確立する方法を説明しており、これを達成するために利用可能な既存のパッケージはありません。したがって、以下に示す方法は、競合するリスク回帰モデルに基づいて特定の競合リスクノモグラムを確立するためのステップバイステップのプロトコルと、治療意思決定における臨床医を支援するためのリスクスコア推定を提供する。
Protocol
Representative Results
Discussion
現在の研究の全体的な目標は、現実世界の病気を記述できる特定の競合するリスクノモグラムを確立し、臨床医が治療の決定にアプローチするための便利な個々の評価モデルを開発することです。ここでは、Cox回帰モデルと競合するリスク回帰モデルに基づいてノモグラムを確立し、さらにサブグループ分析を実行するためのステップバイステップチュートリアルを提供します。Zhangら<sup cla…
Declarações
The authors have nothing to disclose.
Acknowledgements
この研究は、浙江省自然科学財団(助成番号LY19H160020)の一般プログラムと、金華市科学技術局(助成番号2016-3-005、2018-3-001d、2019-3-013)の主要プログラムからの助成金によって支えられました。
Referências
- Fine, J. P., Gray, R. J. A proportional hazards model for the subdistribution of a competing risk. Journal of the American Statistical Association. 94 (446), 496-509 (1999).
- Fu, J., et al. Real-world impact of non-breast cancer-specific death on overall survival in resectable breast cancer. Cancer. 123 (13), 2432-2443 (2017).
- Kim, H. T. Cumulative incidence in competing risks data and competing risks regression analysis. Clinical Cancer Research. 13, 559-565 (2007).
- Balachandran, V. P., Gonen, M., Smith, J. J., DeMatteo, R. P. Nomograms in oncology: more than meets the eye. Lancet Oncology. 16 (4), 173-180 (2015).
- Han, D. S., et al. Nomogram predicting long-term survival after d2 gastrectomy for gastric cancer. Journal of Clinical Oncology. 30 (31), 3834-3840 (2012).
- Karakiewicz, P. I., et al. Multi-institutional validation of a new renal cancer-specific survival nomogram. Journal of Clinical Oncology. 25 (11), 1316-1322 (2007).
- Liang, W., et al. Development and validation of a nomogram for predicting survival in patients with resected non-small-cell lung cancer. Journal of Clinical Oncology. 33 (8), 861-869 (2015).
- Valentini, V., et al. Nomograms for predicting local recurrence, distant metastases, and overall survival for patients with locally advanced rectal cancer on the basis of European randomized clinical trials. Journal of Clinical Oncology. 29 (23), 3163-3172 (2011).
- Iasonos, A., Schrag, D., Raj, G. V., Panageas, K. S. How to build and interpret a nomogram for cancer prognosis. Journal of Clinical Oncology. 26 (8), 1364-1370 (2008).
- Chisholm, J. C., et al. Prognostic factors after relapse in nonmetastatic rhabdomyosarcoma: a nomogram to better define patients who can be salvaged with further therapy. Journal of Clinical Oncology. 29 (10), 1319-1325 (2011).
- Brockman, J. A., et al. Nomogram Predicting Prostate Cancer-specific Mortality for Men with Biochemical Recurrence After Radical Prostatectomy. European Urology. 67 (6), 1160-1167 (2015).
- Zhou, H., et al. Nomogram to Predict Cause-Specific Mortality in Patients With Surgically Resected Stage I Non-Small-Cell Lung Cancer: A Competing Risk Analysis. Clinical Lung Cancer. 19 (2), 195-203 (2018).
- Fu, J., et al. De-escalating chemotherapy for stage II colon cancer. Therapeutic Advances in Gastroenterology. 12, 1756284819867553 (2019).
- Chen, D., Li, J., Chong, J. K. Hazards regression for freemium products and services: a competing risks approach. Journal of Statistical Computation and Simulation. 87 (9), 1863-1876 (2017).
- . rms: Regression Modeling Strategies. R package version 5.1-2 Available from: https://CRAN.R-project.org/package=rms (2018)
- . cmprsk: Subdistribution Analysis of Competing Risks. R package version 2.2-7 Available from: https://CRAN.R-project.org/package=cmprsk (2014)
- Scrucca, L., Santucci, A., Aversa, F. Regression modeling of competing risk using R: an in depth guide for clinicians. Bone Marrow Transplantation. 45 (9), 1388-1395 (2010).
- Zhang, Z., Geskus, R. B., Kattan, M. W., Zhang, H., Liu, T. Nomogram for survival analysis in the presence of competing risks. Annals in Translational Medicine. 5 (20), 403 (2017).
- Geskus, R. B. Cause-specific cumulative incidence estimation and the fine and gray model under both left truncation and right censoring. Biometrics. 67 (1), 39-49 (2011).
- Fu, J., et al. Young-onset breast cancer: a poor prognosis only exists in low-risk patients. Journal of Cancer. 10 (14), 3124-3132 (2019).
- de Glas, N. A., et al. Performing Survival Analyses in the Presence of Competing Risks: A Clinical Example in Older Breast Cancer Patients. Journal of the National Cancer Institute. 108 (5), (2016).
