Sample Size Determination Under Selection Bias: Robust Tolerance Limits for Prevalent Cohort Data

技術的概要：選択バイアス下におけるサンプルサイズの決定

問題提起
統計的調査における十分なサンプルサイズの決定は、仮説検定の検出力を確保し、母集団分布の大半を捉えるために不可欠である。この問題に対する古典的な枠組みは、Scheffé と Tukey（1944）によって確立され、順序統計量を用いてサンプルサイズと母集団のカバレッジを関連付ける分布フリーの式を提供している。しかし、この式は、対象母集団からの偏りのない無作為抽出という厳密な仮定に依存している。生物学および医学応用においては、物流上の制約によりそのような抽出が不可能となることが多く、有病コホート研究、長さバイアス付きサンプリング、打ち切り故障時間データといった偏った設計を招く。古典的な Scheffé-Tukey 式をこれらの偏ったサンプルに適用すると、誤ったサンプルサイズ推定値とカバレッジ確率が得られる。既存の最近の打ち切りデータへのアプローチは、指数故障時間分布のような制限的な仮定に依存することが多い。本論文は、指数分布のような特定の母関数形式に限定されず、一般的な偏ったサンプリング計画に対応できる堅牢なサンプルサイズ式への必要性に取り組む。

方法論
著者らは、重みバイアスや打ち切りを含む広範な偏ったサンプリング計画を処理するための Scheffé-Tukey 式の拡張を提案する。偏りのない場合とは異なり、修正された式は分布フリーではなく、対象母集団分布（$F$）と偏ったサンプリング分布（$G$）の両方に関する事前知識（または推定）を必要とする。本論文は、$Y$ が偏った分布からの順序統計量を表すとき、カバレッジ問題の不等式 $P[F(Y_{n-m+1}) - F(Y_r) \geq q] \geq 1 - \alpha$ を解決するための 2 つの主要なアプローチを概説する。

1. 解析的不等式アプローチ：この手法は、順序統計量をほぼ独立とみなし、一方向の不等式の系列を利用することで、両側カバレッジ問題を近似する。これは、分位写像 $\Phi^{-1} = F \circ G^{-1}$ の区分的線形近似を採用する。解析的解が得られるものの、著者らは不等式の系列が緩い境界を提供し、必要なサンプルサイズを過大評価する傾向があると指摘している。
2. 計算 FFT アプローチ：不等式法に内在する過大評価を回避するため、著者らは高速フーリエ変換（FFT）に基づく計算アプローチを提案する。中程度のサンプルサイズにおいて順序統計量間の独立性を仮定し、個々の確率密度関数（PDF）の畳み込みを通じて、順序統計量の差の確率密度関数を導出する。この畳み込みは FFT を用いて効率的に計算される。この手法は、グリッド上のリーマン和を用いて得られた PDF の積分を近似し、カバレッジ確率の数値的推定と、それに続くサンプルサイズ $n$ の数値的探索を可能にする。

本論文は、必要な分位写像（$\Phi$ および $\Phi^{-1}$）を様々な設定でどのように得られるかを詳述している。すなわち、特定の分布に対しては解析的に、分布が扱いにくい場合はモンテカルロシミュレーションを通じて、あるいはパイロット研究データを用いた非パラメトリック最尤推定量（NPMLE）を通じてである。

主要な結果
提案された手法は、広範なシミュレーション研究と実世界データへの適用を通じて検証された。

• シミュレーション研究：ハザード率が異なるガンマ分布母集団と、右打ち切りを伴う長さバイアス付きサンプリングを用い、古典的な Scheffé-Tukey 式、不等式アプローチ、および FFT アプローチを比較した。
  • Scheffé-Tukey 式は、必要なサンプルサイズを一貫して過小評価し、実証的なカバレッジ確率が名义上の 95% レベルを著しく下回る結果となった。
  • 不等式アプローチはサンプルサイズを過大評価する傾向があり、カバレッジ確率は 100% に近い値を示したが、打ち切り率が増加するにつれて効率が低下する。
  • FFT アプローチは、すべてのシナリオにおいて名义上の 0.95 レベルに近い実証的なカバレッジ確率を達成し、正しいサンプルサイズを成功裏に特定した。計算コストは negligible（通常 0.1 秒未満）であることが判明した。
• CSHA データへの適用：これらの手法は、カナダ健康・老化研究（CSHA）のデータに適用された。これは、長さバイアス付きかつ右打ち切りされた故障時間を持つ認知症患者の有病コホート研究である。パイロット研究として CSHA データを用いて分布を推定し、著者らは様々な順序統計量構成に対する必要なサンプルサイズを計算した。
  • 結果はシミュレーションの知見を反映しており、Scheffé-Tukey は最小のサンプルサイズを、不等式アプローチは最大のサンプルサイズを、FFT アプローチは中間的な値をそれぞれ生み出した。
  • 著者らは、計算されたサンプルサイズが既存の CSHA コホートサイズよりも小さかったことに言及しつつも、この比較はバイアスが存在する場合に手法間で見積もりに著しい乖離が生じることを浮き彫りにしていると指摘している。

意義と主張
本論文は、偏ったサンプリング体制において古典的な Scheffé-Tukey 式は無効であり、統計的に妥当でない調査設計につながることを主張する。主な貢献は、選択バイアスと打ち切りを考慮した修正されたサンプルサイズ式の導出と検証である。著者らは、これらの手法が基礎となる分布の知識（またはパイロット研究を通じてそれらを推定する能力）を必要とするものの、標準的な実践に対する必要な修正を提供することを強調している。

著者らは控えめに結論付け、偏ったサンプリング下での許容限界サンプルサイズを計算する際には、FFT ベースのアプローチが推奨される方法であると述べている。古典的な式および保守的な不等式アプローチと比較して精度が大幅に向上するという点において、FFT 法の無視できる計算コストのトレードオフは正当化されると論じている。この研究は、有病コホートデータを扱う研究者にとって、偏ったサンプリング設計の複雑さを反映したサンプルサイズ計算を確保し、偏りのないという理想化された仮定に依存しないための実用的な枠組みを提供する。