A joint model of the individual mean and within-subject variability of a longitudinal outcome with a competing risks time-to-event outcome

技術要約：縦断的アウトカムの個人平均および被験者内変動に関する結合モデル：競合リスク・タイム・トゥ・イベント・アウトカムを用いて

問題提起
近年の研究では、縦断的なバイオマーカーにおける被験者内（WS）変動をモデル化すること、およびそれが健康アウトカムとどのように関連しているかをモデル化することの重要性がますます強調されている。従来の結合モデルは、縦断的バイオマーカーの平均的な軌跡をタイム・トゥ・イベント・アウトカムに結びつけるものであるが、通常、すべての被験者および時間においてWS分散が均質（一定）であると仮定している。この仮定は、WS変動が不均一である場合に、大幅な推定バイアス、無効な推論、および劣悪な予測をもたらす可能性がある。さらに、不均一なWS変動を扱う既存の手法は、完全にパラメトリックなベースラインハザードに依存しており、これが制約となる場合があるか、あるいは（終末イベントによる）非無視的な欠測データ（情報的脱落）を考慮できていない。加えて、数十万人の被験者を伴う大規模なバイオバンク・データにこれらの複雑なモデルを適用する際には、計算上の課題が生じる。

手法
著者らは、以下の3つのコンポーネントを同時に扱うセミパラメトリックな結合モデルを提案している：

1. 縦断的サブモデル： 平均的な軌跡とWS変動の両方を特徴付ける、混合効果多重ロケーション・スケールモデル。分散成分は、共変量とランダム効果の指数関数としてモデル化され、不均一なWS変動を許容する。
2. 生存サブモデル： 競合リスク・タイム・トゥ・イベント・アウトカム（例：心不全と死亡）のための原因別Cox比例ハザードモデル。決定的なのは、ベースラインハザード関数が完全に未指定（セミパラメトリック）であることであり、これにより制限的なパラメトリック仮定を回避している。
3. 潜在的関連構造： サブモデルは、縦断的な平均、縦断的な分散、および生存アウトカムの間で共有されるランダム効果を介して結合されている。著者らは、相関のあるランダム効果（平均 vs 残差変動）を明確に解釈するために、再パラメータ化戦略を提供している。

推定と計算

• パラメータ推定： セミパラメトリックな最大尤度推定のためのEMアルゴリズムが導出されている。Eステップでは数値積分のために適応型ガウス・ヘルミット求積法を利用し、Mステップではベースライン累積ハザードの閉形式解とニュートン・ラフソン更新を用いる。
• 推論： 標準誤差はプロファイル尤度法を用いて推定される。これは、ベースラインハザード推定へのプロファイル尤度の依存性を考慮しており、従来のアプローチで見られる情報の損失という問題に対処している。
• スケーラビリティ： バイオバンク規模のデータ（数万人規模の被験者）を扱うため、生存サブモデルに時間依存性のない共変量と共有ランダム効果のみが含まれるシナリオに対して実装を最適化している。線形スキャンアルゴリズムを適用することで、計算複雑性を $O(n^2)$ または $O(n^3)$ から $O(n)$ に低減し、大規模データセットの効率的な分析を可能にした。
• 予測： 本フレームワークは、ランドマーク・タイムまでの被験者の縦断的な履歴に基づく、競合リスクの累積発生確率の動的な予測をサポートしている。

主な貢献
本論文は、主に4つの貢献を述べている：

1. モデルの柔軟性： 提案されたモデルは、競合リスク・サブモデルにおいてパラメトリックなベースラインハザードを必要とせず、既存の完全パラメトリック結合モデルと比較して、モデルの誤設定に対する堅牢性が高い。
2. 推定アルゴリズム： 著者らは、標準的なソフトウェアでは直接扱えない、時間依存性共変量と柔軟な潜在的関連構造を許容するセミパラメトリック・フレームワークのための、カスタマイズされた推定および推論手順を開発した。
3. 効率的な実装： スケーラブルな線形スキャンアルゴリズムの開発により、既存の手法が大規模なサンプルサイズにおいて直面する計算上のボトルネックを克服し、大規模なデータセット（例：バイオバンク）への適用を可能にした。
4. ソフトウェアの提供： この共有ランダム効果モデルの適用を容易にするため、ユーザーフレンドリーなRパッケージである JMH を開発し、CRANで公開した。

結果

• シミュレーション研究：
  • 不均一なWS分散が存在するシナリオにおいて、提案モデル（Model 1）は小さなバイアスと、公称値である95%に近い被覆確率を示した。
  • 対照的に、均質なWS分散を仮定する古典的な結合モデル（Model 2）は、パラメータ推定（固定効果および関連パラメータを含む）において大幅なバイアスを示し、標準誤差を著しく過小評価したため、信頼区間の被覆率は5%という低い水準になった。
  • 提案モデルは、情報的脱落を無視した手法（例：標準的な混合効果ロケーション・スケールモデル）も上回った（これらは終末イベントが存在する場合にバイアスのある推定値を生じさせた）。
  • 予測指標（MAPE、Brierスコア、C-index）において、提案モデルは動的なイベント予測において均質分散モデルを一貫して上回った。
  • スケーラビリティ・テストでは、JMH パッケージが大規模なサンプルサイズにおいて、既存のパッケージ（例：FlexVarJM）よりも少なくとも100倍高速であることが示された。
• MESAデータの解析：
  • 多民族調査（MESA）コホート（参加者6,743人）に適用した結果、収縮期血圧（SBP）のWS変動は個人間および時間経過とともに有意に異なることが確認された。
  • SBPレベルを制御した後、残差WS変動は心不全のリスク増加（HR = 2.26）および死亡のリスク増加（HR = 1.88）と強く関連していた。これは、均質な臨床試験集団から得られたこれまでの知見を、より多様な民族構成を持つ、概して健康なコホートへと拡張するものである。
  • 不均一なWS変動を組み込むことで、心不全の予測における識別能が向上した（C-indexが0.77から0.84へ、死亡については0.77から0.80へ上昇）。

意義
本論文は、縦断的研究における競合リスクを伴う場合、不均一なWS変動を明示的にモデル化することが、正確な統計的推論およびリスク予測において極めて重要であると主張している。提案手法は、アドホックな2段階アプローチや古典的な結合モデルの限界に対し、情報的脱落と不均一な分散を扱う統一されたセミパラメトリック・フレームワークを提供することで対処している。実装のスケーラビリティにより、これらの厳密な統計的手法を大規模なバイオバンク・データに適用することが可能となり、バイオマーカーの変動性と健康アウトカムに関する知見の、より広範で多様な集団への一般化可能性を高める可能性がある。JMH パッケージの提供は、応用研究におけるこれらの手法の採用をさらに促進するものである。