半競合リスクのための半パラメトリック変換虚弱モデルサバイバルデータ

半競争リスクの分析では、データの関心はいわゆる非末端イベントに関する推定と推論にあり、その観察は端末イベントの対象となります。マルチステートモデルは、そのようなデータを分析するために一般的に使用され、COXモデルを介して通常指定された遷移/強度関数と、一部はユニット固有の共有虚弱な用語によって指定された非末端イベントと末端イベントの間の依存性に共変動効果があります。識別可能性を確保するために、虚弱は通常、パラメトリック分布、特に平均1.0と分散、たとえばσ2のガンマ分布から生じると想定されます。ただし、虚弱な分布が誤って指定されている場合、結果として得られる推定器は、想定されている虚弱な分布と真の虚弱な分布の間の矛盾に依存して、漸近バイアスの程度で一貫性があることを保証されていません。この論文では、虚弱な分布のノンパラメトリック仕様を可能にする半競合リスク分析のための変換モデルの新しいクラスを提案します。識別可能性を確保するために、クラスは変換とエラー分布のパラメトリック仕様に制限されます。ただし、後者は柔軟性があり、幅広い可能な仕様をカバーしています。また、完全なデータ設定の下で半パラメトリック効率スコアを導き出し、正しい検閲を処理するためのノンパラメトリックスコア代入法を提案します。結果として得られる推定器の一貫性と漸近正常性が導出され、シミュレーションを介して評価された小型サンプル動作特性が評価されます。提案されている半パラメトリック変換モデルとノンパラメトリックスコア代入法は、半競合リスクデータの分析によって動機付けられていますが、それらは、単位固有の共有の脆弱性が相関を考慮するために使用される多変量の時間からの時間までの結果の分析に広く適用されます。最後に、提案されたモデルと推定手順は、膵臓癌と診断された患者の病院再入院の研究に適用されます。

In the analysis of semi-competing risks data interest lies in estimation and inference with respect to a so-called non-terminal event, the observation of which is subject to a terminal event. Multi-state models are commonly used to analyse such data, with covariate effects on the transition/intensity functions typically specified via the Cox model and dependence between the non-terminal and terminal events specified, in part, by a unit-specific shared frailty term. To ensure identifiability, the frailties are typically assumed to arise from a parametric distribution, specifically a Gamma distribution with mean 1.0 and variance, say, σ2. When the frailty distribution is misspecified, however, the resulting estimator is not guaranteed to be consistent, with the extent of asymptotic bias depending on the discrepancy between the assumed and true frailty distributions. In this paper, we propose a novel class of transformation models for semi-competing risks analysis that permit the non-parametric specification of the frailty distribution. To ensure identifiability, the class restricts to parametric specifications of the transformation and the error distribution; the latter are flexible, however, and cover a broad range of possible specifications. We also derive the semi-parametric efficient score under the complete data setting and propose a non-parametric score imputation method to handle right censoring; consistency and asymptotic normality of the resulting estimators is derived and small-sample operating characteristics evaluated via simulation. Although the proposed semi-parametric transformation model and non-parametric score imputation method are motivated by the analysis of semi-competing risks data, they are broadly applicable to any analysis of multivariate time-to-event outcomes in which a unit-specific shared frailty is used to account for correlation. Finally, the proposed model and estimation procedures are applied to a study of hospital readmission among patients diagnosed with pancreatic cancer.