Cox Regression on the Plane

Resumen Técnico: Regresión de Cox en el Plano

Planteamiento del Problema
El modelo de riesgos proporcionales de Cox es el estándar para el análisis de supervivencia univariante, sin embargo, las extensiones para datos de supervivencia bivariados (tiempos de falla correlacionados) siguen siendo limitadas. Los enfoques existentes enfrentan compromisos significativos:

• Modelos de fragilidad compartida y de cópula: Estos suelen depender de supuestos paramétricos respecto a la estructura de dependencia (por ejemplo, familias de cópulas específicas o distribuciones de fragilidad). Si la estructura de dependencia está mal especificada, los efectos de las covariables a nivel de supervivencia conjunta pueden ser ininterpretables o incorrectos.
• Extensiones de riesgos multiplicativos: Los intentos previos de especificar tres modelos de riesgos proporcionales separados (para tasas de falla simple y de falla doble) generalmente no logran producir una distribución de supervivencia bivariada válida, ya que las funciones de riesgo resultantes no satisfacen las restricciones estructurales necesarias.

Los autores identifican una brecha para un método que preserve la naturaleza semiparamétrica del modelo de Cox, produzca una distribución de supervivencia bivariada válida y ofrezca una interpretación transparente de las covariables sin requerir la especificación de una cópula o una distribución de fragilidad.

Metodología
El artículo propone dos extensiones semiparamétricas basadas en una representación de Lehmann generalizada de la función de supervivencia.

1. Los Modelos:

   • Modelo de Lehmann Simple: Una extensión directa donde la función de supervivencia bivariada es $S(t_1, t_2 | Z) = [S_0(t_1, t_2)]^{\exp(b^T Z)}$. Esto impone un efecto proporcional común en el logaritmo de la supervivencia de ambas marginales y en la dependencia conjunta, preservando la estructura de dependencia basal.
   • Modelo de Lehmann Generalizado: Una formulación más flexible que permite parámetros de regresión distintos para las dos funciones de riesgo marginales ($\alpha, \beta$) y el componente de dependencia ($\gamma$). Se define como:
     $$S(t_1, t_2 | Z) = [S_{0T1}(t_1)]^{\exp(\alpha^T Z)} [S_{0T2}(t_2)]^{\exp(\beta^T Z)} \left[ \frac{S_0(t_1, t_2)}{S_{0T1}(t_1)S_{0T2}(t_2)} \right]^{\exp(\gamma^T Z)}$$
     Este modelo trata el componente de dependencia como un factor multiplicativo sobre la razón de supervivencia marginal basal. Los autores derivan las funciones de riesgo correspondientes y establecen condiciones suficientes (por ejemplo, restricciones sobre $\gamma$ en relación con $\alpha$ y $\beta$) para asegurar que las funciones resultantes definan distribuciones de supervivencia válidas y no negativas.

2. Estimación:

   • Los autores utilizan un enfoque de pseudo-observaciones para evitar las complejidades de la verosimilitud parcial en el entorno bivariado, donde las funciones de riesgo basales no se cancelan.
   • Modelo Simple: Se estima mediante Ecuaciones de Estimación Generalizadas (GEE) utilizando pseudo-observaciones bivariadas como respuestas en un modelo lineal generalizado (GLM) con un enlace de complemento de log-log (cloglog).
   • Modelo Generalizado: Se estima mediante un procedimiento de dos pasos:
     1. Estimar los parámetros marginales ($\alpha, \beta$) utilizando pseudo-observaciones univariantes y GEE estándar.
     2. Construir respuestas modificadas para el componente de dependencia (la razón entre la supervivencia conjunta y el producto de las marginales) y estimar $\gamma$ mediante un segundo paso de GEE.
   • El artículo establece la consistencia y la normalidad asintótica de estos estimadores bajo censura independiente.

Resultados Clave

• Estudios de Simulación: Los autores evaluaron los métodos utilizando datos generados a partir de diversas cópulas (Frank, Clayton, Gumbel-Barnett) que representan dependencia positiva (PQD) y negativa (NQD).
  • Los estimadores demostraron un sesgo bajo y una cobertura cercana a los niveles nominales para tamaños de muestra de $n=800$.
  • Los modelos propuestos mantuvieron una precisión predictiva competitiva (Error Absoluto Medio) en comparación con los marcos de regresión basados en cópulas flexibles (Marra y Radice, 2020), incluso cuando el modelo de Lehmann simple estaba mal especificado (es decir, cuando $\alpha \neq \beta \neq \gamma$).
  • Los métodos demostraron ser robustos a la mala especificación del modelo al aplicarse a datos generados de una distribución log-normal, donde ni el modelo de Lehmann ni el de cópula eran estrictamente correctos.
• Aplicación de Datos (Estudio de Resultados de Retinoblastoma Global - GROS):
  • El método se aplicó a 977 casos de retinoblastoma bilateral para analizar los tiempos de enucleación de ambos ojos.
  • Estructura de Dependencia: Las estimaciones no paramétricas indicaron una dependencia de cuadrante negativo (NQD) entre los ojos. Sin embargo, un enfoque basado en cópulas estándar seleccionó una cópula Clayton, lo que implica una dependencia positiva (PQD), conduciendo a probabilidades de supervivencia condicional contradictorias.
  • Interpretabilidad: Los modelos de Lehmann capturaron correctamente la estructura NQD sin forzar una cópula paramétrica. Los resultados mostraron que si un ojo era enucleado tempranamente, la probabilidad de que el otro ojo sobreviviera más tiempo era mayor que si el primero hubiera sobrevivido, un hallazgo consistente con las expectativas clínicas pero omitido por el modelo de cópula.
  • Efectos de las Covariables: Los modelos identificaron que la edad avanzada al momento de la presentación, un estadio tumoral más alto y el nivel de ingresos afectaron significativamente las probabilidades de supervivencia, mientras que el sexo y la historia familiar no lo hicieron.

Significancia y Reivindicaciones
El artículo afirma proporcionar un marco semiparamétrico transparente y completo para evaluar los efectos de las covariables tanto en las probabilidades de supervivencia marginal como en su dependencia. Sus principales contribuciones son:

1. Evitación de la Mala Especificación de la Cópula: Al modelar los efectos de las covariables directamente sobre la función de supervivencia bivariada en lugar de a través de una familia de cópulas paramétricas, el enfoque evita el riesgo de supuestos incorrectos sobre la estructura de dependencia, lo cual es crítico para interpretar las probabilidades condicionales.
2. Validez e Interpretabilidad: Se demuestra que los modelos propuestos definen distribuciones de supervivencia bivariadas válidas bajo condiciones específicas, y los coeficientes de regresión tienen interpretaciones directas en la escala de supervivencia (por ejemplo, $\gamma$ gobierna cómo las covariables amplifican o atenúan la dependencia basal).
3. Estimación Novedosa: Los autores presentan el primer método basado en pseudo-observaciones de dos pasos para la regresión de supervivencia bivariada, estableciendo sus propiedades teóricas.
4. Relevancia Clínica: La aplicación a los datos de retinoblastoma demuestra que los criterios de selección de modelos estándar (como el BIC) pueden favorecer cópulas con estructuras de dependencia incorrectas (PQD frente a NQD), mientras que el marco propuesto arroja resultados clínicamente interpretables que se alinean con la evidencia empírica y el conocimiento del dominio.

Los autores señalan las limitaciones, incluyendo el costo computacional de recomputar los estimadores de supervivencia para las pseudo-observaciones y el supuesto de censura independiente, pero enfatizan que el enfoque ofrece una alternativa robusta para el análisis de supervivencia bivariada donde la estructura de dependencia es desconocida o compleja.