Assessing survival models by interval testing with Poisson-binomial distributions

기술 요약: 포아송-이항 분포를 이용한 구간 테스트를 통한 생존 모델 평가

문제 정의
제약 제품의 규제 제출, 특히 보건의료기술평가(HTA) 분야에서 적절한 모수적 생존 모델을 선택하는 것은 경제성 평가 및 임상 시험 기간을 넘어선 치료 효과의 외삽(extrapolation)을 위해 매우 중요하다. 표준 모수 모델, 유연한 스플라인 기반 모델, 외부 데이터 통합 모델을 포함하여 가용 가능한 모델링 접근 방식이 증가하고 있음에도 불구하고, 모델 선택은 여전히 도전적인 과제로 남아 있다. 현재의 표준 관행은 주로 아카이케 정보 기준(AIC), 베이지안 정보 기준(BIC)에 크게 의존하고 있는데, 이러한 방법들은 상대적인 적합도 비교만을 제공할 뿐, 고려된 모든 모델이 관측된 데이터와 부합하지 않는지 여부에 대한 통찰을 제공하지 못한다. 또한, 이들은 피팅된 모델이 성능이 저하되는 특정 시간 구간을 식별하지 못하며, 이는 장기 외삽의 타당성을 평가하는 데 필수적이다.

방법론
저자들은 생존 데이터를 시간 구간으로 그룹화하고, 피팅된 모델로부터 도출된 기대 사건 수와 관측된 사건 수를 평가하는 기반의 적합도 검정 프레임워크를 제안한다.

1. 구간 구성:

   • 검열 정의 구간 (Censor-Defined Intervals): 우측 검열 관측치의 고유한 시간($t'_{j,0}$)에 의해 구간이 정의된다. 이 접근 방식은 Akritas (1988)에 근거하여 하위 구간 $(t'_{j-1,0}, t'_{j,0}]$를 생성한다.
   • 지정 구간 (Specified Intervals): 저자들은 사용자 정의 구간(예: 마지막 검열 시점까지 10개의 균등 간격 구간)을 허용하도록 이 방법을 확장한다. 지정된 구간($V_k$)은 검열 시간과 사용자 정의 경계값을 병합하여 하위 구간($I'_i$)의 집합을 생성한다.

2. 통계적 분포:

   • 모델 $M(\beta)$가 사건 생성 과정을 올바르게 설명한다는 귀무가설 하에, 임의의 구간 내 사건 수는 **포아송-이항 분포(Poisson-binomial distribution)**를 사용하여 모델링된다.
   • 특정 구간에 대해, 사건의 수는 이항 분포 $Binomial(N_{risk}, p)$를 따르며, 여기서 $N_{risk}$는 위험에 처한 환자 수이고 $p$는 구간 시작 시점까지 생존했을 때 해당 구간에서 사건이 발생할 확률이다.
   • 서로 다른 확률을 가진 독립적인 이항 분포들을 하나의 지정된 구간 내에서 합산할 때, 그 결과는 포아송-이항 분포를 따른다. 이 접근 방식은 전통적인 카이제곱 검정(예: Akritas)에서 요구되는 점근적 정규성 가정을 피한다.

3. 검정 통계량:

   • 개별 구간 검정: 각 구간에 대해 p-값을 계산한다. 저자들은 재현성을 위해 "중점 p-값(midpoint p-values)"을 활용하지만, 이론적 균등성을 위해 "무작위화된 p-값(randomized p-values)"도 인정한다.
   • 본페로니 검정 (Bonferroni Test): 가족 오차율(familywise error rate)을 강력하게 제어하기 위해 사용된다. p-값이 구간 수에 비해 극단적(매우 낮거나 매우 높은) 경우 해당 구간은 플래그가 지정된다.
   • 변환된 피셔 검정 (Transformed Fisher Test, TFT): 극단적인 값들의 비정상적인 집중(높은 값과 낮은 값 모두)을 탐지하기 위해 p-값들을 집계하는 연속 검정 통계량($T_{cont} = -2 \sum \log(U_j)$)이며, $\chi^2$ 분포를 따른다.
   • 매우 작은 구간에 대한 보호 (Protection Against Very Small Intervals, PAVSI): 중앙 95% 범위를 벗어나는(즉, $p < 0.025$ 또는 $p > 0.975$) p-값을 가진 구간의 수를 세는 이산 검정 통계량($T_{pavsi}$)이다. 이 통계량은 이항 분포를 따르며, 단일한 극단적인 p-값의 영향을 완화하도록 설계되었다.

주요 기여 및 결과

• 국소적 부적합 식별: AIC/BIC와 달리, 제안된 방법은 모델이 실패하는 특정 시간 구간을 강조하여 모델 선택 및 외삽 타당성에 대한 실행 가능한 통찰을 제공한다.
• 시뮬레이션 검증: 12개의 시나리오(환자 수 및 데이터 성숙도 변화)와 시나리오당 10,000회의 반복 시행을 포함한 시뮬레이션 연구가 수행되었다.
  • 제1종 오류 제어: 무작위화된 p-값을 사용할 때, 검열 정의 구간 방식과 10개 균등 간격 방식 모두 명목적 5% 수준에 가까운 경험적 제1종 오류율을 유지했다.
  • 중점 p-값: 실무 적용을 위해 권장되는 중점 p-값을 사용할 때, 검열 정의 구간 방식은 매우 보수적(특히 데이터가 미성숙한 경우 TFT 통계량에서 제1종 오류가 0 또는 2% 미만)이었다. 반면, 10개 균등 간격 방식은 더 나은 성능을 보였으며, 제1종 오류율이 일반적으로 0.02에서 0.05 사이로 나타나 환자 수가 증가함에 따라 명목 수준에 근접했다.
• 적용 사례:
  • 사례 1 (지수 모델): 본페로니 기각을 통해 육안 검사만으로는 놓칠 수 있는 곡선의 꼬리 부분(외삽 영역)에서의 부적합을 탐지할 수 있음을 입증했다.
  • 사례 2 (HTA 시나리오): 7개의 모수적 모델을 비교했다. 검열 정의 방식은 작은 구간 크기로 인해 부적합을 탐지하는 데 실패한 반면, 10개 균등 간격 방식은 7개 중 6개 모델에서 유의미한 부적합을 식별하여 더 유연한 모델(예: 스플라인)의 선택을 유도했다.

의의 및 주장
본 논문은 제안된 포아송-이항 구간 검정 방법이 다음과 같은 이유로 고전적 접근 방식보다 유의미한 발전을 이루었다고 주장한다:

1. 점근적 가정 제거: 카이제곱 검정에 내재된 점근적 정규성 가정에 의존하지 않으므로, 작은 표본 크기나 복잡한 검열 패턴에 적합하다.
2. 세밀한 진단 능력: 상대적인 모델 순위 매기기를 넘어, 시간 지평의 어느 지점에서 모델이 데이터와 불일치하는지를 구체적으로 식별하는 절대적 적합도 평가를 제공한다.
3. 실용적 유용성: 저자들은 실무 적용을 위해 10개 균등 간격 방식과 중점 p-값을 결합하여 사용하는 것을 권장하며, 이는 제1종 오류 제어와 실제 시나리오(제공된 HTA 사례와 같은)에서의 부적합 탐지 능력을 균형 있게 맞춘다.

저자들은 이 방법이 초기 모델 개관 및 기각을 위한 강력한 도구이지만, 단독 결정 기준이 아닌 AIC/BIC 및 육안 검사와 함께 사용되어야 한다고 결론짓는다. 또한, 이 방법은 구간 선택 전략에 따라 유연하게 조정될 수 있으며 리스크 점수 모델로 확장될 수 있다고 언급한다.