ケースコホート研究の分析における可変選択のための2段階の方法

背景：真の暴露結果関連の正確な検出と推定は、病因分析において重要です。関心のある複数の潜在的な暴露変数がある場合、変数のサブセットを検出する方法が、対象の結果と真の関連性を持つ可能性が最も高い方法が必要です。ケースコホート研究は、多くの場合、コホート全体（バイオマーカーのパネルなど）で測定されていない多数の変数に関するデータを収集します。ケースコホート研究では、可変選択の方法に関するガイダンスが不足しています。 方法：ケースコホート研究からのデータへの3つの可変選択方法の適用を説明および調査します。これらは次のとおりです。（i）単変数（つまり、一度に1回の）プレンティス加重コックス回帰モデルの有意性レベルに基づいて変数を選択する。（ii）プレンティス加重コックス回帰に適用される段階的選択。（iii）多変数ロジスティック回帰を使用して各変数の選択の事例を取得して、プレンティスのコックス回帰を使用して効果推定を使用して、ベイジアン変数選択アルゴリズムを適用する2段階の方法。 結果：9つの異なるシミュレーションシナリオにわたって、2段階の方法では、1時間および段階的な方法よりも高い感度と誤検出率が低いことが示されました。Epic-Interact Case-Cohort研究からのデータへの方法の適用では、2段階の方法では、1時間および段階的な方法と比較して、2段階型糖尿病に関連する追加の2つの脂肪酸が特定されました。 結論：2段階の方法により、ケースコホートの研究で、暴露結果関連のより強力で正確な検出を可能にします。研究者がこの方法を適用できるようにするためのRパッケージを利用できます。

BACKGROUND: Accurate detection and estimation of true exposure-outcome associations is important in aetiological analysis; when there are multiple potential exposure variables of interest, methods for detecting the subset of variables most likely to have true associations with the outcome of interest are required. Case-cohort studies often collect data on a large number of variables which have not been measured in the entire cohort (e.g. panels of biomarkers). There is a lack of guidance on methods for variable selection in case-cohort studies. METHODS: We describe and explore the application of three variable selection methods to data from a case-cohort study. These are: (i) selecting variables based on their level of significance in univariable (i.e. one-at-a-time) Prentice-weighted Cox regression models; (ii) stepwise selection applied to Prentice-weighted Cox regression; and (iii) a two-step method which applies a Bayesian variable selection algorithm to obtain posterior probabilities of selection for each variable using multivariable logistic regression followed by effect estimation using Prentice-weighted Cox regression. RESULTS: Across nine different simulation scenarios, the two-step method demonstrated higher sensitivity and lower false discovery rate than the one-at-a-time and stepwise methods. In an application of the methods to data from the EPIC-InterAct case-cohort study, the two-step method identified an additional two fatty acids as being associated with incident type 2 diabetes, compared with the one-at-a-time and stepwise methods. CONCLUSIONS: The two-step method enables more powerful and accurate detection of exposure-outcome associations in case-cohort studies. An R package is available to enable researchers to apply this method.