📊 statistics

TwoTimeScales: An R-package for Smoothing Hazards with Two Time Scales

この論文は、疫学や臨床研究における複数の時間スケールを持つ時間-to-イベントデータの分析を容易にするため、P-スプラインに基づく滑らかなハザードモデルを推定・可視化できる新しい R パッケージ「TwoTimeScales」の導入と、乳がん患者のデータを用いた実証例を紹介するものである。

原著者： Angela Carollo, Paul H. C. Eilers, Hein Putter, Jutta Gampe

公開日 2026-03-16

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Angela Carollo, Paul H. C. Eilers, Hein Putter, Jutta Gampe

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

この論文は、新しい統計ツール「TwoTimeScales（2 つの時間軸）」という名前の R パッケージを紹介するものです。専門用語を避け、日常の比喩を使って簡単に説明します。

🕰️ 物語の舞台：「人生という映画」の 2 つの時間軸

まず、この研究が解決しようとしている問題をイメージしてください。

病気（例えば乳がん）の治療後の経過観察を考えてみましょう。ここで重要なのは、**「2 つの異なる時計」**が同時に進んでいるということです。

時計 A（年齢）： 患者さんが生まれた時から現在までの「年齢」。
時計 B（手術後）： 手術を受けた時から現在までの「経過時間」。

例えば、50 歳で手術を受けた人と、70 歳で手術を受けた人が、どちらも「手術から 5 年経った」とします。

50 歳の人：現在 55 歳。
70 歳の人：現在 75 歳。

この 2 人が「再発」や「死亡」のリスクを持つ確率は、「手術から 5 年」という共通点だけでなく、「55 歳」と「75 歳」という年齢の違いによっても大きく変わります。

これまでの統計モデルは、この「2 つの時計」を同時に考慮するのが難しかったり、非常に硬いルール（数式）に縛られていたりしました。しかし、現実のリスクはもっと滑らかで複雑に動いています。

🎨 新しい道具：「TwoTimeScales」という魔法のブラシ

そこで登場するのが、この論文で紹介されている**「TwoTimeScales」**という新しい R パッケージ（ソフトウェア）です。

これを**「2 次元のキャンバスに、滑らかに絵を描く魔法のブラシ」**と想像してください。

キャンバス： 横軸が「手術時の年齢」、縦軸が「手術後の経過時間」です。
絵（リスク）： このキャンバス上のどこに立っているかによって、「再発する確率」や「亡くなる確率」が色で表現されます。

この魔法のブラシ（P-スプラインという技術）を使うと、データがなくても、周囲のデータから自然に滑らかな「リスクの地形」を描き出すことができます。

「手術直後はリスクが高いが、5 年経つと落ち着く」
「若い時に手術した人は、年齢を重ねてもリスクが低いまま」
「高齢で手術した人は、時間が経つにつれてリスクが急上昇する」

といった、複雑で滑らかなパターンを、無理やり直線でつなぐことなく、自然な曲線で捉えることができます。

🏥 実例：乳がん患者のデータで試してみる

このツールを使って、オランダのロテロダム市にある乳がん患者のデータ（約 3,000 人分）を分析しました。

例 1：すべての死亡リスクを見る
- 「手術後の年齢」と「経過時間」の 2 つを組み合わせて、再発の有無に関わらず「亡くなるリスク」がどう変わるかを描きました。
- 発見： 手術直後はどの年齢層でもリスクが上がりますが、50 歳未満で手術した人は時間が経つとリスクが下がります。一方、50 歳以上で手術した人は、時間が経つにつれてリスクが下がらず、むしろ上がっていく傾向があることがわかりました。
- これまでの別のソフト（Stata 版）でも似た結果が出ましたが、この新しいツールでも同じ結果が出たため、信頼性が高いことが証明されました。
例 2：競合するリスク（再発 vs 死亡）
- ここがこのツールのすごいところです。患者さんは「再発する」か、「再発せずに亡くなる」か、どちらかのイベントに直面します。これらは**「競合するリスク」**と呼ばれます。
- このツールを使えば、「再発する確率」と「再発せずに亡くなる確率」を、2 つの時間軸（年齢と経過時間）の組み合わせで同時に描くことができます。
- 発見： 再発のリスクは時間とともに徐々に上がりますが、高齢で手術した人の「再発なしの死亡リスク」は、時間が経つにつれて急激に高まることがわかりました。

🚀 なぜこれが重要なのか？

柔軟性： 従来の「硬いルール」ではなく、データが示す「自然な流れ」をそのまま描けます。
視覚化： 複雑な数式ではなく、色付きの地図（グラフ）として結果が見えるので、医師や研究者が直感的に理解できます。
競争リスクへの対応： 従来のツールでは難しかった「再発」と「死亡」の両方を同時に分析できるのが大きな強みです。

🌟 まとめ

この論文は、**「人生という映画を、2 つの異なる時計（年齢と経過時間）で同時に観るための、新しいカメラと編集ソフト」**を提供したという報告です。

これにより、医療現場では「患者さんの年齢」と「治療からの時間」をより繊細に考慮した、個別化されたリスク予測が可能になります。研究者や医師にとって、患者さんの未来をより深く、より正確に理解するための強力な新しい道具が手に入ったのです。

論文「TwoTimeScales: An R-package for Smoothing Hazards with Two Time Scales」の技術的概要

本論文は、複数の時間スケール（time scales）を持つ時間 - 事象データ（time-to-event data）の解析を可能にする新しい R パッケージ「TwoTimeScales」を紹介し、その手法、実装、および乳がんデータを用いた適用例を報告するものです。

以下に、問題提起、手法、主要な貢献、結果、および意義について詳細をまとめます。

1. 背景と問題提起

問題の所在: 疫学や臨床研究において、単一の時間軸（例：診断からの経過時間）だけでなく、複数の時間軸（例：診断からの経過時間と患者の年齢、または発症からの経過時間と年齢）が事象の発生ハザードに同時に影響を与えるデータが多く存在します。
既存手法の限界:
- 複数の時間スケールを同時に考慮するモデルは提案されていますが、応用研究での利用は限定的です。
- 既存の柔軟なパラメトリックモデル（FPM）を実装する Stata パッケージ（stmt）は存在しますが、競合リスク（competing risks）への拡張ができていません。
- R には flexsurv や mexhaz などの FPM パッケージがありますが、これらは複数の時間スケールを同時に扱う柔軟なモデルには対応していません。
- MortalitySmooth パッケージは 2 次元 P-スプラインを用いますが、回帰モデル（共変量の効果を含むハザードモデル）の推定には対応していません。
課題: 複数の時間スケールを持つハザードを柔軟に平滑化し、共変量を組み込んだ回帰モデルを推定するための、使い勝手の良い統計ソフトウェアの欠如。

2. 手法論理とモデル

本パッケージの核心は、**2 次元 P-スプライン（Two-dimensional P-splines）**を用いたハザード関数の平滑化推定にあります。

モデルの定義:
- 2 つの時間スケールを $t$ （例：現在の年齢）と $s$ （例：手術からの経過時間）とします。
- これらの差 $u = t - s$ （例：診断時の年齢）を固定された中間変数として定義し、ハザードを $\lambda(t, s; z) = \lambda_0(t, s) \exp(\beta^\top z)$ と表します。ここで $\lambda_0$ は 2 次元の平滑な基準ハザード、 $z$ は共変量ベクトルです。
- 対数ハザード $\log(\lambda_0(u, s))$ を 2 次元の B-スプライン基底の線形結合として表現します。
推定アルゴリズム:
- モデルはペナルティ付きポアソン回帰として定式化され、反復重み付き最小二乗法（IWLS）で推定されます。
- 効率的な計算のために、配列アルゴリズム（GLAM アルゴリズム）や、疎行列を利用した線形混合モデル（LMM）アプローチが採用されています。
- 隣接するスプライン係数の差分に対してペナルティを課すことで、滑らかな表面を得ます（異方性平滑化： $u$ 軸と $s$ 軸で異なる平滑化パラメータ $\rho_u, \rho_s$ を選択可能）。
競合リスクへの拡張:
- 各事象タイプ（例：再発、再発なしの死亡）に対して原因別ハザード（cause-specific hazards）を個別にフィットします。
- 数値積分によって累積ハザードを求め、全体生存関数と掛け合わせることで累積発生率（Cumulative Incidence Functions: CIF）を算出します。
- 不確実性（信頼区間など）の評価にはノンパラメトリック・ブートストラップ法が用いられます。

3. R パッケージ「TwoTimeScales」の機能

パッケージは以下の主要機能を提供し、ワークフローを体系化しています（図 2 参照）：

prepare_data(): 個人レベルのデータを、時間軸上のビン（区間）に集約し、3 次元配列（暴露時間、事象数、共変量行列）に変換します。
fit2ts(): 準備されたデータから 2 次元 P-スプラインモデルをフィットします。AIC や BIC を用いて平滑化パラメータを最適化します。
plot(): 推定されたハザード表面、標準誤差表面、切片（スライス）、生存関数、累積ハザード、および共変量効果（ハザード比）を可視化します。
predict(): 任意の共変量値と時間スケールに対するハザード値、累積ハザード、生存確率を予測します。
競合リスク専用関数: cumhaz2ts(), surv2ts(), cuminc2ts() などが用意され、原因別累積ハザードや累積発生率の計算を支援します。

4. 結果（乳がんデータ解析）

Rotterdam 乳がんデータセット（手術を受けた 2,982 人の患者）を用いた 2 つの例示分析を行いました。

例 1: 再発の有無を問わない死亡ハザード
- 時間スケール：手術時の年齢（ $u$ ）と手術後の経過時間（ $s$ ）。
- 共変量：腫瘍のグレード（Grade）。
- 結果: Grade 3 の患者は Grade 2 に比べて死亡リスクが約 66% 高い（HR=1.66）ことが確認されました。ハザード表面の可視化により、手術後 4〜5 年で死亡ハザードがほぼ均一に上昇し、その後は年齢によって異なる傾向（50 歳未満では低下、50 歳以上では横ばいまたは上昇）を示すことが明らかになりました。
- 比較: Stata の FPM パッケージ（Bower et al., 2022）による結果とほぼ同一の結果が得られ、TwoTimeScales の妥当性が確認されました。
例 2: 競合リスクモデル（再発 vs. 再発なしの死亡）
- 再発と再発なしの死亡を競合事象としてモデル化しました。
- 結果: 再発の累積発生率は手術後の経過時間とともに緩やかに増加しますが、再発なしの死亡の累積発生率は、50 歳以上で手術を受けた患者において、経過時間とともに急激に増加することが示されました。

5. 主要な貢献と意義

ソフトウェアの提供: 複数の時間スケールを持つ柔軟なハザードモデルを推定・可視化するための、初の R パッケージを提供しました。これにより、R ユーザーは Stata に依存せずに高度な解析が可能になります。
競合リスクへの拡張: 既存の Stata パッケージでは対応していない「複数の時間スケールにおける競合リスクモデル」を実装しました。
柔軟性と解釈性: 2 次元 P-スプラインを用いることで、時間スケール間の複雑な相互作用を仮定なしに捉え、ハザード表面を直感的に可視化できます。
計算効率: GLAM アルゴリズムや疎行列技術を活用することで、大規模データセットでも効率的に計算可能です。

6. 結論

「TwoTimeScales」パッケージは、複数の時間スケールを持つ時間 - 事象データの分析において、柔軟なハザードモデルのフィットを容易にし、新しい洞察をもたらす強力なツールです。乳がんデータへの適用を通じて、その実用性と既存手法との整合性が示されました。将来的には、時間依存共変量や区間検出データへの対応が予定されています。