傾向スコアマッチと多重補完法の解説 その１
•19 gefällt mir•6,522 views
Downloaden Sie, um offline zu lesen
Melden
医学生物学研究で用いる傾向スコアマッチと多重補完法をできるだけやさしく解説しています。
Recomendados
Más contenido relacionado
Was ist angesagt?
Was ist angesagt?(20)
Destacado
Destacado(16)
傾向スコアマッチと多重補完法の解説 その１
- 1. Atsushi Shiraishi, MD Trauma and Emergency Medical Center, Tokyo Medical and Dental University
- 2. Goals Propensity score matching (PSM) どんな研究で、なぜ使うのか？ 実際にやってみよう。 Multiple imputation (MI) 欠損値のある対象を除外しちゃだめなの？ 実際にやってみよう。
- 4. 日本臨床リウマチ治療学会総会 PICO ヨクキクマブの効果を後ろ向きに評価した。 関節リウマチの患者が対象 ヨクキクマブの投与有無で患者を二群に分割 投与1週後のCRPを比較した (Student’s t-test) CRP (mg/dL) P Yokukikumab (N=41) 6.42 0.044 Control (N=33) 11.18
- 5. 日本臨床リウマチ治療学会総会 PICO ヨクキクマブの効果を後ろ向きに評価した。 関節リウマチの患者が対象 ヨクキクマブの投与有無で患者を二群に分割 投与1週後のCRPを比較した (Student’s t-test) CRP (mg/dL) P Yokukikumab (N=41) 6.42 0.044 Control (N=33) 11.18 ・ 後ろ向き研究で背景因子調整を行わず、共変量 の影響を無視している。 ・ 不適切な代用アウトカムを用いている。 ・ 治療有無とCRPの二変数の相関関係が因果関 係であると安易にみなしている。
- 6. 相関 ≠ 因果
- 7. 相関 ≠ 因果
- 8. 相関 ≠ 因果 ・ ドイツで、コウノトリのつがいの数と出生数が正の 相関関係を示している。 ・ コウノトリが増えると出生が増えるという因果関 係？
- 9. 相関 ≠ 因果
- 10. 相関 ≠ 因果 ・ 世界での海賊行為の数と地球温暖化が負の相関 関係を示している。 ・ 海賊は地球温暖化を阻止していたという因果関 係？
- 18. Rubin’s causal model「xが起きた世界でのy」と「xが 起きなかった世界でのy」の差 分が因果効果である。 因果効果とは独立変数単独の 効果である。 Donald Rubin (b 1943)
- 19. Rubin’s causal model あり データ 転帰 治療 Yokukikumab
- 20. Rubin’s causal model あり データ 介入ありの 場合の転帰 データ 介入なしの 場合の転帰 治療 Yokukikumab
- 21. Rubin’s causal model あり データ 介入ありの 場合の転帰 データ 介入なしの 場合の転帰 この差を介入の因 果効果と定義した 治療 Yokukikumab
- 23. Rubin’s causal model あり データ 介入ありの 場合の転帰 データ 介入なしの 場合の転帰 この差を介入の因 果効果と定義した 治療 Yokukikumab
- 24. Rubin’s causal model あり データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 この差を介入の因 果効果と定義した しかし 差が求められない 事実 反事実 治療 Yokukikumab
- 25. Rubin’s causal model あり データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 実際に求まるのは 上記の差だが… なし 欠損値 データ 治療 Yokukikumab
- 26. Rubin’s causal model あり データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 実際に求まるのは 上記の差だが… 介入以外の独立変 数も違う別世界 なし 欠損値 データ 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … 未知の因子 治療選択は共変量 に影響される 治療 Yokukikumab
- 27. あり なし 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … R 未知の因子 データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 欠損値 データ Rubin’s causal model RCTの場合 治療 Yokukikumab
- 29. あり なし 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … R 未知の因子 データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 欠損値 データ Rubin’s causal model 実際に求まる上記の差が、 同一集団の単一独立変数 の因果効果と見なせる。同一集団と見なせる RCTの場合 相互に代入可 治療 Yokukikumab
- 30. Rubin’s causal model あり データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 なし 欠損値 データ 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … 未知の因子 PSMの場合 治療 Yokukikumab
- 31. Rubin’s causal model あり データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 なし 欠損値 データ 58歳 女性 対象患者 中等症 ADL自立 待機的 健康保険 2014年 大学病院 … 未知の因子 PSMの場合 治療 Yokukikumab
- 32. Rubin’s causal model あり データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 なし 欠損値 データ 76歳 男性 対象患者 重症 伝い歩き 待機的 無保険 2008年 一般病院 … 未知の因子 PSMの場合 治療 Yokukikumab
- 33. Rubin’s causal model あり データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 なし 欠損値 データ 76歳 男性 対象患者 重症 伝い歩き 待機的 無保険 2008年 一般病院 … 未知の因子 PSMの場合 この確率を背景因子か ら計算したものがPS 治療 Yokukikumab
- 34. Propensity scoreの計算 単なるロジスティック回帰です。 介入決定以前の背景因子が独立変数 介入の有無が目的変数 pがpropensity score 1例ごとにpropensity scoreが求まる Propensity scoreとは介入を行う確率 値域は0-1
- 35. Propensity score Frequency 0.0 0.2 0.4 0.6 0.8 1.0 010002000300040005000 Propensity scoreの計算 リウマチ症例 Yokukikumabを投与された
- 36. Propensity score Frequency 0.0 0.2 0.4 0.6 0.8 1.0 010002000300040005000 Propensity scoreの計算 リウマチ症例 Yokukikumabを投与された Yokukikumabを投与されなかった
- 37. あり なし 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … P 未知の因子 データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 欠損値 データ Rubin’s causal model PSMの場合 治療 Yokukikumab
- 38. あり なし 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … P 未知の因子 データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 欠損値 データ Rubin’s causal model PSMの場合 PSが近い値で、介入有 り無しのペアを抽出 治療 Yokukikumab
- 39. Propensity score Frequency 0.0 0.2 0.4 0.6 0.8 1.0 010002000300040005000 Propensity score matching リウマチ症例 Yokukikumabを投与された Yokukikumabを投与されなかった
- 40. Propensity score Frequency 0.0 0.2 0.4 0.6 0.8 1.0 010002000300040005000 Propensity score matching リウマチ症例 Yokukikumabを投与された Yokukikumabを投与されなかった PSの近いペア
- 41. あり なし 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … P 未知の因子 データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 欠損値 データ Rubin’s causal model PSMの場合 マッチされなかった対象 個々のペアごとに同一 サンプルサイズが増えればさらに 既知の共変量は調整 されている。おそら く未知の共変量も… 治療 Yokukikumab
- 42. あり なし 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … P 未知の因子 データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 欠損値 データ Rubin’s causal model PSMの場合 マッチされなかった対象 実際に求まる上記の差が、 同一集団の単一独立変数 の因果効果と見なせる。同一集団と見なせる 治療 Yokukikumab 相互に代入可
- 43. 実際にやってみましょう • 配布した “PSM1.R”をエディタで開いて下さい • 中身はRの関数を記述したテキストファイルで す。 • 丸ごとRのコンソールに貼り付け、リターンを 押して実行して下さい。 • 宜保光一郎先生と吉田和樹先生に感謝！ http://goo.gl/W5wfqR
- 44. • “lalonde” datasetを使っています。 • 教育効果（介入）の年収（転帰）に対する因果 関係を調べてみましょう。 • 12変数からなる445例の観察研究です。 – 背景因子 8変数 – 治療 1変数 – 転帰 3変数 • 欠損値の無い完全データです。 実際にやってみましょう
- 45. 変数表 独立変数 (Propensity scoreの構成変数) age 年齢 educ 教育年数 black 黒人 hisp ヒスパニック married 既婚者 nodegr 高校卒業 re74 1974年の年収 re75 1975年の年収 介入 (Propensity scoreの目的変数) treat 教育プログラムの有無 目的変数 re78 1978年の年収 実際にやってみましょう
- 46. Before PSM Stratified by treat 0 1 p test n 260 185 age (mean (sd)) 25.05 (7.06) 25.82 (7.16) 0.265 educ (mean (sd)) 10.09 (1.61) 10.35 (2.01) 0.135 black (mean (sd)) 0.83 (0.38) 0.84 (0.36) 0.649 hisp (mean (sd)) 0.11 (0.31) 0.06 (0.24) 0.076 married (mean (sd)) 0.15 (0.36) 0.19 (0.39) 0.327 nodegr (mean (sd)) 0.83 (0.37) 0.71 (0.46) 0.001 re74 (mean (sd)) 2107.03 (5687.91) 2095.57 (4886.62) 0.982 re75 (mean (sd)) 1266.91 (3102.98) 1532.06 (3219.25) 0.382 re78 (mean (sd)) 4554.80 (5483.84) 6349.15 (7867.40) 0.005 u74 (mean (sd)) 0.75 (0.43) 0.71 (0.46) 0.326 u75 (mean (sd)) 0.68 (0.47) 0.60 (0.49) 0.065
- 47. After PSM Stratified by treat 0 1 p test n 150 150 age (mean (sd)) 25.41 (6.86) 25.48 (7.29) 0.929 educ (mean (sd)) 10.11 (1.67) 10.29 (1.77) 0.349 black (mean (sd)) 0.87 (0.33) 0.87 (0.34) 0.864 hisp (mean (sd)) 0.05 (0.23) 0.06 (0.24) 0.804 married (mean (sd)) 0.18 (0.39) 0.16 (0.37) 0.646 nodegr (mean (sd)) 0.81 (0.40) 0.77 (0.42) 0.399 re74 (mean (sd)) 1821.88 (4792.12) 1517.04 (4370.13) 0.565 re75 (mean (sd)) 1329.82 (3350.84) 914.13 (1943.45) 0.190 re78 (mean (sd)) 4064.76 (4568.86) 6149.53 (7960.04) 0.006 u74 (mean (sd)) 0.76 (0.43) 0.78 (0.42) 0.682 u75 (mean (sd)) 0.68 (0.47) 0.68 (0.47) 1.000
- 48. Propensity score matching 利点 • 背景因子調整に優れる。 • 因果関係を言うことができる。 • 後ろ向き解析で最良の方法のひとつ。 • RCTと比べて、 – ランダム化が不可能な解析も可能。 – 低コスト。 – 厳格な倫理審査が不要。
- 49. Propensity score matching 欠点 • 多くは後ろ向き解析。 • サンプルサイズの計算が困難。 • PSの構成変数を決める標準的な手法は確立していない。 • 介入前の背景因子がPSを構成するため、計算困難な場合 がある。 • 未知の背景因子は十分に調整できない。 • マッチングできなかった対象を除外するため、 – 検出力が低下する。 – PSの重なり合いが少ない介入の解析は困難。 • 欠損値に脆弱で更に検出力が低下する。