A Permutation Test for a Modified Spearman’s Rank Correlation Using Martingale-Residual Ranks Under Right Censoring

Technische Samenvatting: Een Permutatietoets voor een Gemodificeerde Spearman-rangcorrelatie met Martingaal-residuele Rangen onder Rechtscensurering

Probleemstelling
Ranggebaseerde associatiemaatstaven, in het bijzonder de Spearman-rangcorrelatiecoëfficiënt ($\rho_s$), zijn fundamentele instrumenten in de niet-parametrische statistiek voor het vastleggen van monotone relaties. Echter, hun toepassing op rechtsgecensureerde overlevingsdata brengt aanzienlijke uitdagingen met zich mee. Recente literatuur heeft schatters voorgesteld van "Spearman-achtige" correlaties die reduceren tot de klassieke coëfficiënt in afwezigheid van censurering, maar deze methoden falen over het algemeen in het bieden van een geldige hypothesetoets voor $H_0: \rho_s = 0$ met correcte controle over de Type I-fout onder censurering. Bestaande alternatieven, zoals op Kendall gebaseerde concordantiemaatstaven aangepast voor censurering, bieden onafhankelijkheidstests maar richten zich niet op $\rho_s$ en zijn vaak conservatief. Bijgevolg bestaat er een gat voor een methode die (i) asymptotisch correcte Type I-foutcontrole bereikt onder rechtscensurering, (ii) toepasbaar is wanneer één of beide marges gecensureerd zijn, en (iii) exact reduceert naar de klassieke Spearman-permutatietoets wanneer censurering afwezig is. Naar even weten van de auteurs voldoet geen enkele bestaande methode gelijktijdig aan deze drie criteria.

Methodologie
De auteurs stellen een robuust permutatie-testframework voor gebaseerd op Univariante Martingaal-residuen (UMR's). De methodologie verloopt via de volgende stappen:

1. Datatransformatie: Voor gepaarde faaltijden $(S_i, T_i)$ onder onafhankelijke rechtscensurering $(C_i, D_i)$, zijn de geobserveerde data $(X_i, \delta_{Si})$ en $(Y_i, \delta_{Ti})$. De methode construeert UMR's met behulp van de Kaplan–Meier cumulatieve hazard-schatters ($\hat{H}_S$ en $\hat{H}_T$):
   $$m_{Si} = \delta_{Si} - \hat{H}_S(X_i), \quad m_{Ti} = \delta_{Ti} - \hat{H}_T(Y_i)$$
   Deze residuen dienen als een rang-genererende transformatie. Wanneer er geen censurering aanwezig is, reduceren ze tot strikt monotone transformaties van de oorspronkelijke data. Onder censurering incorporeren ze de overlevingsinformatie via de Kaplan–Meier-schatter, terwijl ze de ordening van de geobserveerde tijden met hoge waarschijnlijkheid behouden.

2. Rangberekening: De UMR's worden gerangschikt om gepaarde rangen $(a_i, b_i)$ te verkrijgen.

3. Teststatistiek: Een gemodificeerde Spearman-rangcorrelatiecoëfficiënt, $r_s(m_S, m_T)$, wordt berekend op basis van deze rangen. Om de permutatietoets te faciliteren, wordt een studentized statistiek $R_s = r_s / \hat{\tau}_n$ geconstrueerd, waarbij $\hat{\tau}_n$ een variantieschatter is afgeleid van de momenten van de rangen.

4. Permutatiekader: De nulhypothese $H_0: \rho_s = 0$ wordt getoetst door de rangen van de tweede variabele ($b_i$) te permuteren terwijl de eerste vast blijft staan. De $p$-waarde wordt afgeleid van de permutatieverdeling van de studentized statistiek.

Theoretische Fundamenten
De geldigheid van de toets rust op verschillende regulariteitsvoorwaarden die standaard zijn in de overlevingsanalyse (i.i.d. faaltijden, onafhankelijke censurering, continue verdelingen en uniforme sterke consistentie van Kaplan–Meier-schatters).

• Asymptotische Uitwisselbaarheid: Onder $H_0$ convergeren de genormaliseerde rangen van de UMR's bijna zeker naar onafhankelijke uniforme willekeurige variabelen. Dit vestigt dat de gezamenlijke verdeling van de gerangschikte paren asymptotisch invariant is onder permutaties.
• Geldigheid van de Permutatieverdeling: Door gebruik te maken van de Hoeffding-decompositie van de statistiek en het studentization-proces, tonen de auteurs aan dat de permutatieverdeling de steekproefverdeling van de teststatistiek consistent schat.
• Asymptotische Type I-foutcontrole: De procedure garandeert dat de verwerpingskans convergeert naar het nominale significantieniveau $\alpha$ naarmate de steekproefomvang toeneemt.
• Reductie-eigenschap: In afwezigheid van censurering worden de UMR's strikt monotone transformaties van de oorspronkelijke data, wat ervoor zorgt dat de test exact reduceert tot de klassieke studentized permutatietoets voor de Spearman $\rho_s$.

Resultaten
De auteurs evalueerden de methode via simulatiestudies en toepassingen op reële data:

• Simulatiestudies: Twee scenario's werden onderzocht met variërende graden van censurering (matig $\approx$ 50% en zwaar $\approx$ 67%).
  • Type I-fout: De voorgestelde toets demonstreerde een sterke controle over de Type I-fout over alle steekproefgroottes en significantieniveaus ($\alpha = 0,01, 0,05, 0,10$).
  • Power (Vermogen): De toets vertoonde een concurrerend vermogen vergeleken met de klassieke Pearson-correlatietoets toegepast op volledig geobserveerde data, zelfs in aanwezigheid van censurering.
  • Vergelijking: De voorgestelde methode presteerde aanzienlijk beter dan de gemodificeerde Kendall-concordantiestatistiek (Oakes, 1987), die zeer conservatief bleek (Type I-fout $< 0,002$) en een significant lager vermogen bezat.
• Reële Data Voorbeelden:
  1. Overleving van Huidtransplantaten: Analyse van gepaarde overlevingstijden voor brandpatiënten ($n=11$) onthulde een significante positieve associatie ($p=0,044$).
  2. Nierinfectie Recidief: Analyse van recidief-tijden voor nierpatiënten die dialyse gebruiken ($n=38$) met gemengde censureringspatronen toonde een statistisch significante positieve associatie ($p=0,031$).

Betekenis en Claims
Het artikel beweert een kritieke methodologische kloof te hebben gedicht door een hypothesetoets voor $H_0: \rho_s = 0$ onder rechtscensurering te bieden die aan drie specifieke criteria voldoet: asymptotische correctheid, toepasbaarheid bij enkelvoudig of dubbel gecensureerde marges, en exacte reductie naar de klassieke toets bij afwezigheid van censurering. Naar even weten van de auteurs voldoet geen enkele bestaande methode aan alle drie de criteria. De auteurs benadrukken dat de methode "eenvoudig en robuust" is en een betrouwbaar instrument biedt voor biomedische toepassingen waar gepaarde overlevingsuitkomsten gebruikelijk zijn. De beschikbaarheid van R-software-implementaties wordt benadrukt als een belangrijke factor voor de adoptie van deze methodologie. De auteurs positioneren dit werk als een fundament voor toekomstige uitbreidingen, zoals exacte onafhankelijkheidstesten en covariabele-gecorrigeerde rangcorrelaties, maar claimen geen directe oplossingen voor deze bredere problemen.