• Communications for Statistical Applications and Methods
• /
• 제27권6호
• /
• pp.675-688
• /
• 2020

In survival analysis of observational data, the inverse probability weighting method and the Cox proportional hazards model are widely used when estimating the causal effects of multiple-valued treatment. In this paper, the two kinds of weights have been examined in the inverse probability weighting method. We explain the reason why the stabilized weight is more appropriate when an inverse probability weighting method using the generalized propensity score is applied. We also emphasize that a marginal hazard ratio and the conditional hazard ratio should be distinguished when defining the hazard ratio as a treatment effect under the Cox proportional hazards model. A simulation study based on real data is conducted to provide concrete numerical evidence.

• Communications for Statistical Applications and Methods
• /
• 제20권6호
• /
• pp.455-466
• /
• 2013

In nested case-control studies, the most common way to make inference under a proportional hazards model is the conditional logistic approach of Thomas (1977). Inclusion probability methods are more efficient than the conditional logistic approach of Thomas; however, the epidemiology research community has not accepted the methods as a replacement of the Thomas' method. This paper promotes the inverse probability weighting method originally proposed by Samuelsen (1997) in combination with an approximate jackknife standard error that can be easily computed using existing software. Simulation studies demonstrate that this approach yields valid type 1 errors and greater powers than the conditional logistic approach in nested case-control designs across various sample sizes and magnitudes of the hazard ratios. A generalization of the method is also made to incorporate additional matching and the stratified Cox model. The proposed method is illustrated with data from a cohort of children with Wilm's tumor to study the association between histological signatures and relapses.

• 응용통계연구
• /
• 제34권6호
• /
• pp.957-968
• /
• 2021

역중도절단확률가중(inverse censoring probability weighting, ICPW)은 생존분석에서 흔히 사용되는 방법이다. 중도절단 회귀모형과 같은 ICPW 방법의 응용에 있어서 중도절단 확률의 정확한 추정은 핵심적인 요소라고 할 수 있다. 본 논문에서는 중도절단 확률의 추정이 ICPW 기반 중도절단 회귀모형의 성능에 어떠한 영향을 주는지 모의실험을 통하여 알아보았다. 모의실험에서는 Kaplan-Meier 추정량, Cox 비례위험(proportional hazard) 모형 추정량, 그리고 국소 Kaplan-Meier 추정량 세 가지를 비교하였다. 국소 KM 추정량에 대해서는 차원의 저주를 피하기 위해 공변량의 차원축소 방법을 추가적으로 적용하였다. 차원축소 방법으로는 흔히 사용되는 주성분분석(principal component analysis, PCA)과 절단역회귀(sliced inverse regression)방법을 고려하였다. 그 결과 Cox 비례위험 추정량이 평균 및 중위수 중도절단 회귀모형 모두에서 중도절단 확률을 추정하는 데 가장 좋은 성능을 보여주었다.

• 응용통계연구
• /
• 제36권5호
• /
• pp.381-397
• /
• 2023

대부분의 임상시험에서 가장 대표적으로 사용되는 실험설계는 무작위화로, 치료 효과를 정확하게 추정하기 위해 이용된다. 그러나 무작위화가 이루어지지 않은 관찰연구의 경우 치료군과 대조군의 비교로 얻는 치료효과에는 환자 간의 특성 등 여러 조정되지 않은 차이로 인해 편향이 발생한다. 성향 점수 가중치는 이러한 문제점을 해결하기 위해 널리쓰이는 방법으로 치료 효과를 추정하는데에 있어 교란요인을 조정하여 편향을 최소화하도록 하는 방법이다. 성향 점수를 이용한 가중치 방법 중 가장 널리 알려진 역확률 가중치는 관찰된 공변량이 주어졌을 때 특정 치료에 할당될 조건부 확률의 역에 비례하는 가중치를 할당한다. 그러나 이 방법은 극단적인 성향 점수에 의해 종종 방해 받아 편향된 추정치와 과도한 분산을 초래한다는 점이 알려져있어 이러한 문제를 완화하기 위해 절사 역확률 가중치, 중복 가중치, 일치 가중치를 포함한 여러 가지 대안 방법이 제안되었다. 본 논문에서는 제한된 중복, 잘못 지정된 성향 점수 모델 및 예측과 반대되는 치료 등 다양한 문제상황에서 여러 성향 점수 가중치 방법의 성능을 비교하는 시뮬레이션 비교연구를 수행하였다. 비교연구의 결과 중복 가중치와 일치 가중치는 편향, 제곱근평균제곱오차 및 포함 확률 측면에서 역확률 가중치와 절사역확률 가중치에 비에 우월한 성능을 보임을 확인하였다.

• 응용통계연구
• /
• 제37권2호
• /
• pp.225-237
• /
• 2024

경쟁위험자료에서 일부 공변량들이 연구대상들의 일부분에 대해 관측되지 않을 수 있다. 그런 경우 결측된 공변량 값을 가진 연구대상들을 분석에서 제외하는 것은 편향된 추정치와 효율성 손실이 발생할 수 있다. 본 논문에서는 누락된 공변량을 가진 원인별 비례위험모형의 회귀모수 추정을 위해 다중대체 방법과 증대된 역 확률 가중 방법을 연구하였다. 모의실험을 통해 다중대체 방법과 증대된 역 확률 가중 방법에 의해 구해진 추정량의 성능을 평가한 결과, 이 방법들이 잘 수행됨을 확인하였다. 미국 국립암연구소의 전립선, 폐, 대장, 난소 암 선별 시험 연구에서 제공하는 종양 크기의 값이 누락된 유방암 자료에 대해 암 사망 위험률과 다른 원인 사망 위험률에 유의한 영향을 미치는 요인을 파악하기 위해 다중대체 방법과 증대된 역 확률 가중 방법을 적용하였다. 다중대체 방법과 증대된 역 확률 가중 방법에 의해 원인별 비례위험모형을 적합한 결과, 인종, 기혼여부, 병기, 분화도, 종양의 크기는 유방암 사망 위험률에 유의한 영향을 미치는 요인들이였으며, 병기가 유방암 사망 위험률을 높이는데 가장 큰 영향을 미치는 요인임을 확인하였다. 진단시 연령과 종양의 크기는 다른 원인 사망 위험률을 높이는데 유의한 영향을 미치는 요인이였다.

• 응용통계연구
• /
• 제36권4호
• /
• pp.323-335
• /
• 2023

고차원 데이터의 인과 추론에서 고차원 공변량의 차원을 축소하고 적절히 변형하여 처리와 잠재 결과에 영향을 줄 수 있는 교란을 통제하는 것은 중요한 문제이다. 평균 처리 효과(average treatment effect; ATE) 추정에 있어서, 성향점수와 결과 모형 추정을 이용한 확장된 역확률 가중치 방법이 주로 사용된다. 고차원 데이터의 분석시 모든 공변량을 포함한 모수 모형을 이용하여 성향 점수와 결과 모형 추정을 할 경우, ATE 추정량이 일치성을 갖지 않거나 추정량의 분산이 큰 값을 가질 수 있다. 이런 이유로 고차원 데이터에 대한 적절한 차원 축소 방법과 준모수 모형을 이용한 ATE 방법이 주목 받고 있다. 이와 관련된 연구로는 차원 축소부분에 준모수 모형과 희소 충분 차원 축소 방법을 활용한 연구가 있다. 최근에는 성향점수와 결과 모형을 추정하지 않고, 차원 축소 후 매칭을 활용한 ATE 추정 방법도 제시되었다. 고차원 데이터의 ATE 추정 방법연구 중 최근에 제시된 네 가지 연구에 대해 소개하고, 추정치 해석시 유의할 점에 대하여 논하기로 한다.

• 정신신체의학
• /
• 제31권2호
• /
• pp.108-117
• /
• 2023

연구목적 신체 증상 장애(Somatic Symptom Disorder, SSD)는 다양한 신체 증상의 발현을 특징으로 하며, 현재까지 환자군 내에서 증상 심각도에 따른 자율신경계 활성의 차이에 대해서는 연구된 바가 거의 없다. 이에 본 연구에서는 신체 증상 장애 환자군에서 심박변이도(Heart Rate Variability, HRV) 차이를 검정하여 증상 심각도에 따른 자율신경계 변화를 반영하는 대표적 지표를 분석하였다. 방 법 2020년 9월 18일부터 2021년 10월 29일까지 강남세브란스병원 정신건강의학과에 내원했던 환자 중, DSM-5 진단 기준에 따라 SSD로 진단받은 환자 총 51명의 의무기록을 후향적으로 수집하였다. 이후, 집단 간 인구사회학 및 임상적 선택편의 보정을 위해 역확률 가중치(Inverse Probability Treatment Weighting, IPTW)를 적용하여 HRV 지표 차이 검정을 실시하였다. 결 과 신체 증상 심각도와 LF (nu), HF (nu), LF/HF, 그리고 SD1/SD2, Alpha1/Alpha2는 통계적으로 유의한 상관관계를 보였으며, IPTW 적용 후 비중증군은 27명(53.0%), 중증군은 24명(47.0%)로 보정되었고, 인구사회학적 요인 및 임상적 특성 차이가 유의미하지 않아 동질성이 확보되었다. 본 모형 분석 결과 고위험군일수록 시간 영역의 RMSSD (β=-0.70, p=0.003), pNN20 (β=-1.04, p=0.019), 주파수 영역은 LF (nu) (β=0.29, p<0.001), HF (nu) (β=-0.29, p<0.001), LF/HF (β=1.41, p=0.001), 그리고 비선형 영역에서는 SampEn15 (β=-0.35, p=0.014), SD1/SD2 (β=-0.68, p<0.001), Alpha1/Alpha2 (β=0.43, p=0.001)에서 유의미한 차이가 검정되었다. 결 론 신체 증상 심각도에 따른 HRV 지표의 차이는 시간과 주파수 영역, 그리고 비선형 영역 전반에서 검정되었으며, 신체 증상이 심할수록 교감신경의 과활성화 및 부교감신경의 저하를 시사하는 HRV 지표들이 유의미하게 높은 경향성을 보였다.

• Journal of the Korean Data and Information Science Society
• /
• 제26권1호
• /
• pp.217-227
• /
• 2015

In observational study, handling confounders is a primary issue in measuring treatment effect of interest. Historically, a regression with covariate adjustment (covariate-adjusted regression) has been the typical approach to estimate treatment effect incorporating potential confounders into model. However, ever since the introduction of the propensity score, covariate-adjusted regression has been gradually replaced in medical literatures with various balancing methods based on propensity score. On the other hand, there is only a paucity of researches assessing propensity score methods compared with the covariate-adjusted regression. This paper examined the performance of propensity score methods in estimating risk difference and compare their performance with the covariate-adjusted regression by a Monte Carlo study. The study demonstrated in general the covariate-adjusted regression with variable selection procedure outperformed propensity-score-based methods in terms both of bias and MSE, suggesting that the classical regression method needs to be considered, rather than the propensity score methods, if a performance is a primary concern.

• Journal of the Korean Data and Information Science Society
• /
• 제28권4호
• /
• pp.947-955
• /
• 2017

A competing risk analysis has been applied when subjects experience more than one type of end points. Geskus (2011) showed three types of estimators of CIF are equivalent under left truncated and right censored data. We extend his approach to an interval censored competing risk data by using a modified risk set and evaluate their performance under several sample sizes. These estimators show very similar results. We also suggest a test statistic combining Sun's test for interval censored data and Gray's test for right censored data. The test sizes and powers are compared under several cases. As a real data application, the suggested method is applied a data where the feasibility of the vaccine to HIV was assessed in the injecting drug uses.

• Communications for Statistical Applications and Methods
• /
• 제28권2호
• /
• pp.151-159
• /
• 2021

In this article, our interest is to estimate the association between consecutive gap times which are subject to interval censoring. Such data are referred as doubly interval censored data (Sun, 2006). In a context of serial event, an induced dependent censoring frequently occurs, resulting in biased estimates. In this study, our goal is to propose a Kendall's 𝜏 based association measure for doubly interval censored data. For adjusting the impact of induced dependent censoring, the inverse probability censoring weighting (IPCW) technique is implemented. Furthermore, a multiple imputation technique is applied to recover unknown failure times owing to interval censoring. Simulation studies demonstrate that the suggested association estimator performs well with moderate sample sizes. The proposed method is applied to a dataset of children's dental records.