Adressing Separation: A Firth-corrected Joint Model for Longitudinal and Time-to-event Data with an Application on Dropout from Vocational Training

技術的要約：Firth補正による結合モデルにおける分離問題への対処

問題の定義
縦断データと生存時間データを扱う結合モデル（Joint models）は、内生的な時変共変量（例：バイオマーカーや満足度）と生存アウトカムを同時に分析するために広く用いられている。しかし、これらのモデルは、その生存サブモデルが抱える限界、具体的には「分離（separation）」の問題を継承している。分離とは、あるカテゴリにおいて、特定のカテゴリがイベントの不在を完全に予測してしまう状況（例：特定の職業部門における脱落者がゼロである場合）を指す。これは単調尤度（monotone likelihood）を引き起こし、回帰係数が無限大に発散したり不安定になったりするため、標準的な最尤推定法（MLE）を無効にする。Firthの補正は、バイアスを軽減するために二値回帰やCox比例ハザードモデルにおいて確立されているが、結合モデルの枠組みへの正式な統合はこれまで行われておらず、希少イベントや極端に不均衡な共変量が存在する設定における結合モデルの適用性を制限していた。

手法
著者らは、頻度主義的な推定フレームワーク内でEMアルゴリズムを用いて実装される、Firth補正付き結合モデルを提案している。

1. モデル構造： モデルは、連結された2つのサブモデルで構成される。
   • 縦断サブモデル（線形混合モデル）： ランダム切片とランダムスロープを用いて、内生的な共変量 $m_i(t)$ の軌跡を捉える。
   • 生存サブモデル（Cox型比例ハザードモデル）： ハザード関数は、ベースライン共変量および、関連パラメータ $\alpha$ を介した縦断プロセスの現在値 $m_i(t)$ に依存する。
2. Firth補正の実装：
   • 生存サブモデルの係数（$\theta_{surv}$）に対するスコア関数の必要な補正項を導出する。
   • MLEのバイアスは、スコア関数の2次テイラー展開を用いて近似される。補正項 $c(\theta)$ は、$c(\theta) = \frac{1}{2} \text{tr}\left[ I(\theta)^{-1} \frac{\partial I(\theta)}{\partial \theta} \right]$ として導出される。ここで $I(\theta)$ はフィッシャー情報行列である。
   • この項は、EMアルゴリズムのMステップにおける生存係数のニュートン・ラフソン更新において、スコア関数 $S(\theta)$ に追加される：$\hat{\theta}^{(t+1)}_{surv} = \hat{\theta}^{(t)}_{surv} + [I(\hat{\theta}^{(t)}_{surv})]^{-1} S^*(\hat{\theta}^{(t)}_{surv})$。ここで $S^*$ は補正されたスコアである。
   • 初期化： 収束を確実にするため、古典的なFirth補正付きCoxモデル（Rパッケージの coxphf を使用）による罰則付き最尤推定値を用いて、外生的な回帰係数を初期化する。
   • 推論： 標準誤差は、フルヘシアン行列の前方差分近似を用いて導出される。

シミュレーション研究の結果
Firth補正付き結合モデル（FC-JM）の性能を、古典的な結合モデル（JM）およびFirth補正付き初期値を用いた結合モデル（JMc）と比較するために、シミュレーション研究が行われた。

• バイアス低減： 分離が発生するシナリオにおいて、FC-JMは分離共変量に対して、JMよりも有意にバイアスの少ない推定値を示した。推定値は、分離が発生していないシナリオで見られる値に接近した。
• 情報の依存性： 補正の性能は、尤度の曲率に依存しており、これはイベントの絶対数に依存する。FC-JMは、分離が最も問題となる低情報設定（小標本サイズ、高検閲）において最高の性能を示した。
• 安定性： FC-JMはバイアスを減少させた一方で、極めて疎なデータ設定においては、解析的ヘシアンが不良条件（ill-conditioned）となるため、少数の外れ値が観察された。これは、BFGS法を用いてヘシアンを近似する標準的なJMには見られない制限である。
• その他の係数： 補正は非分離の係数に大きな影響を与えず、モデル全体にわたって精度を維持した。

実世界への応用：職業訓練からの脱落
本手法は、ドイツ国立教育パネル調査（NEPS）の職業訓練からの脱落に関するデータに適用された。

• 文脈： 本研究では、訓練満足度（縦断的）の軌跡と、脱落のリスク（生存時間）をモデル化した。
• 分離の問題： 女性のサブサンプルにおいて、「その他の商業サービス部門」の職業訓練セクターが分離（脱落イベントがゼロ）を示し、これが古典的なJMにおいて無限大の係数と膨大な標準誤差を引き起こした。
• 知見：
  • FC-JMは、分離したセクターに対して有限で安定した推定値を提供し、参照セクターと比較して脱落リスクに有意な差がないことを示した。
  • モデルは、直接効果（例：教育水準や仕事の妥協が脱落リスクに直接影響を与える）と間接効果（満足度を通じて媒介される効果）への分解に成功した。
  • 結果は、社会経済的要因や妥協レベルが満足度に有意な影響を与える一方で、満足度の軌跡を考慮に入れると、それらの脱落への直接的な影響はしばしば非有意になることを確認した。一方で、教育や分野の妥協は、直接的な保護的またはリスク増加的な効果を保持していた。

意義と主張
本論文は、提案されたFirth補正推定ルーチンが、古典的な手法が単調尤度により失敗するような、希少イベントや極端に不均衡なカテゴリカル共変量を持つデータセットへの結合モデルの適用性を拡張すると主張している。

• 方法論的貢献： 結合モデルのEMアルゴリズム内にFirthの罰則を形式的に導出し実装することで、分離が発生する場合でも、有限でバイアスの少ない係数の推定を可能にした。
• 実質的貢献： 職業訓練への適用において、本モデルは満足度という情動的状態を明示的にモデル化することで、より厳密な因果関係の枠組みを提供している。これは、構造的な予測因子が、満足度という媒介を通じて間接的に脱落リスクに影響を与えるメカニズムを明らかにしている。
• 限界： 著者らは、現在の実装が現在の値との関連（current-value associations）および時間一定の外生共変量に限定されていることを指摘している。また、解析的ヘシアンへの依存が、極端に疎なデータにおいて数値的不安定性を招く可能性があるため、将来的な安定化戦略が必要であるとしている。

本研究は、特定の推定失敗モードに対する解決策として提示されており、分離のために従来は不適切とされていたコンテキストにおいても、結合モデルを利用することを可能にし、希少イベントを伴う社会科学および生物統計学的な応用における推論の堅牢性を向上させている。