- 本サイト運営者のサービスの紹介 -
Dr.datascience
本サイト運営者のサービスの紹介
医学研究・臨床試験・論文執筆に伴う統計解析をご検討中の方は、【CHECK】ボタンより医療統計解析代行サービス「Dr.データサイエンス」のウェブサイトをご覧ください。
Movies
12. 時変共変量：動的リスク因子のCoxモデルへの組み込み
時変共変量とは何か：静的モデルの限界と動的拡張の必要性
標準的な比例ハザードモデルは共変量ベクトル$boldsymbol{Z}$をベースライン時点で固定し、$h(t|boldsymbol{Z}) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z})$を仮定します。しかし血圧・免疫マーカー・治療状況のように追跡期間中に変化するリスク因子が存在する場合、登録時固定コホートデータに基づくモデルは共変量の変動を捉えられず、推定に系統的な誤差が生じます。時変共変量の拡張モデルでは$boldsymbol{Z}$を時点$t$の関数$boldsymbol{Z}(t)$に置き換えることで動的リスク因子を定式化します。
$$h(t|boldsymbol{Z}(t)) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z}(t))$$
静的モデルでは$boldsymbol{Z}$が時点によらず定数であるのに対し、動的モデルでは$boldsymbol{Z}(t)$が各失敗時刻で更新されます。この形式的な差異は部分尤度の構成とリスク集合の定義を根本的に変えます。
時変共変量は外因性と内因性の2種類に区別されます。外因性時変共変量は将来の軌跡が生存時間$T$と過去の観測条件付きで独立であるものを指し、治療割り当ての変更・季節変動・環境暴露が該当します。内因性時変共変量は疾患過程自体が生成するものであり、バイオマーカー・症状スコア・臓器機能値がこれにあたります。この区別は因果解釈の可否を決定します。
各時点$t$における$boldsymbol{Z}(t)$が観測可能であること、および将来の共変量値や事象情報に依存しない非先行性が仮定されます。内因性共変量については疾患進行に伴う逆因果性の問題により、$exp(hat{boldsymbol{beta}})$を因果効果として解釈できません。また未来の測定値を現在のリスク計算に使用することは部分尤度の正当性を損ないます。
カウントプロセス定式化：時変モデルの数理的基盤
時変共変量Coxモデルの数学的正当性はカウントプロセス理論によって確立されます。個人$i$に対してカウントプロセスを
$$N_i(t) = I(T_i leq t,;Delta_i...
11. Coxモデルの変数選択と診断：残差・影響点分析
Coxモデル診断の目的と残差の基本概念
通常の線形回帰では、残差は観測値と予測値の差として直接定義されます。しかし生存時間解析では、打ち切り観測について真のイベント時刻が確認されないため、同様の定義を適用できません。打ち切り観測が含まれる状況で残差をどのように定義するかが、Coxモデル診断における根本的な課題です。
Coxモデルの部分尤度対数 $ell_p(beta)$ は次の形をとります。
$$
ell_p(beta) = sum_{i:,delta_i=1} left
$$
ここで $R(t_i)$ は時点 $t_i$...
10. 比例ハザード仮定の検証と診断：Schoenfeld残差
比例ハザード仮定の概要と重要性
Coxの比例ハザードモデルは、個体$i$のハザード関数を基準ハザード関数と共変量効果の乗法構造として
$$h_i(t) = h_0(t)exp(mathbf{x}_i^topboldsymbol{beta})$$
と定義します。$h_0(t)$は全個体に共通する基準ハザード関数であり、$exp(mathbf{x}_i^topboldsymbol{beta})$は共変量の線形結合に基づく乗法的効果です。2個体$i$と$j$のハザード比は
$$frac{h_i(t)}{h_j(t)} = expleft((mathbf{x}_i - mathbf{x}_j)^topboldsymbol{beta}right)$$
となり、右辺に時間$t$が含まれないため、ハザード比はすべての時点で同一の値をとります。これが比例ハザード仮定の核心であり、モデルの識別可能性を支える構造的前提です。
仮定違反は主に2つのパターンに分類されます。単調変化型では、治療効果が追跡期間にわたって増大または減少し、ハザード比が時間とともに単調に変化します。交差ハザード型では、2群のハザード曲線が途中で交差し、介入効果が初期と後期で逆転します。後者は免疫療法における遅延効果や晩期毒性が顕在化する臨床試験において観察されます。また薬効の時間的減衰により初期に高いハザード比が後期に低下するパターンも臨床上の典型例です。
PH仮定が違反されると、偏尤度推定から得られる$hat{boldsymbol{beta}}$は時間平均化されたバイアスのある推定値となります。交差ハザード型では相殺効果によってログランク検定やCox検定の検出力が著しく低下するため、誤った陰性結論につながるリスクがあります。
本手法の適用には、打ち切りが非情報的であること、すなわち打ち切り時点のタイミングがイベント発生確率と独立であることを前提とします。
比例ハザード仮定は観察研究や長期追跡を伴う臨床試験において頻繁に違反されることが知られており、分析開始前の系統的な診断が不可欠です。
Schoenfeld残差の定義と統計的性質
偏尤度推定における各イベント時刻では、リスク集合の中からイベントを経験した個体が選ばれる条件付き確率が偏尤度の構成要素となります。イベント時刻$t_k$におけるSchoenfeld残差$hat{r}_k$は、実際にイベントを経験した個体の共変量ベクトル$mathbf{x}_{(k)}$と、リスク集合$mathcal{R}_k$における共変量の条件付き期待値$hat{E}$の差として
$$hat{r}_k = mathbf{x}_{(k)}...
9. 部分尤度：Cox モデルの推定理論
部分尤度の動機と統計的位置づけ
Cox比例ハザードモデルは、ハザード関数を乗法構造
$$
h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x})
$$
として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。
完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。
この問題に対し、完全尤度を概念的に
$$
L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta})
$$
と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。
部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。
部分尤度関数の定義と構造
$n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を
$$
t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
セミパラメトリック構造の動機：なぜCoxモデルが必要か
生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて
$$
h(t) = frac{f(t)}{S(t)}
$$
と定義されます。$h(t)$...
TV Shows
12. 時変共変量：動的リスク因子のCoxモデルへの組み込み
時変共変量とは何か：静的モデルの限界と動的拡張の必要性
標準的な比例ハザードモデルは共変量ベクトル$boldsymbol{Z}$をベースライン時点で固定し、$h(t|boldsymbol{Z}) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z})$を仮定します。しかし血圧・免疫マーカー・治療状況のように追跡期間中に変化するリスク因子が存在する場合、登録時固定コホートデータに基づくモデルは共変量の変動を捉えられず、推定に系統的な誤差が生じます。時変共変量の拡張モデルでは$boldsymbol{Z}$を時点$t$の関数$boldsymbol{Z}(t)$に置き換えることで動的リスク因子を定式化します。
$$h(t|boldsymbol{Z}(t)) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z}(t))$$
静的モデルでは$boldsymbol{Z}$が時点によらず定数であるのに対し、動的モデルでは$boldsymbol{Z}(t)$が各失敗時刻で更新されます。この形式的な差異は部分尤度の構成とリスク集合の定義を根本的に変えます。
時変共変量は外因性と内因性の2種類に区別されます。外因性時変共変量は将来の軌跡が生存時間$T$と過去の観測条件付きで独立であるものを指し、治療割り当ての変更・季節変動・環境暴露が該当します。内因性時変共変量は疾患過程自体が生成するものであり、バイオマーカー・症状スコア・臓器機能値がこれにあたります。この区別は因果解釈の可否を決定します。
各時点$t$における$boldsymbol{Z}(t)$が観測可能であること、および将来の共変量値や事象情報に依存しない非先行性が仮定されます。内因性共変量については疾患進行に伴う逆因果性の問題により、$exp(hat{boldsymbol{beta}})$を因果効果として解釈できません。また未来の測定値を現在のリスク計算に使用することは部分尤度の正当性を損ないます。
カウントプロセス定式化：時変モデルの数理的基盤
時変共変量Coxモデルの数学的正当性はカウントプロセス理論によって確立されます。個人$i$に対してカウントプロセスを
$$N_i(t) = I(T_i leq t,;Delta_i...
11. Coxモデルの変数選択と診断：残差・影響点分析
Coxモデル診断の目的と残差の基本概念
通常の線形回帰では、残差は観測値と予測値の差として直接定義されます。しかし生存時間解析では、打ち切り観測について真のイベント時刻が確認されないため、同様の定義を適用できません。打ち切り観測が含まれる状況で残差をどのように定義するかが、Coxモデル診断における根本的な課題です。
Coxモデルの部分尤度対数 $ell_p(beta)$ は次の形をとります。
$$
ell_p(beta) = sum_{i:,delta_i=1} left
$$
ここで $R(t_i)$ は時点 $t_i$...
10. 比例ハザード仮定の検証と診断：Schoenfeld残差
比例ハザード仮定の概要と重要性
Coxの比例ハザードモデルは、個体$i$のハザード関数を基準ハザード関数と共変量効果の乗法構造として
$$h_i(t) = h_0(t)exp(mathbf{x}_i^topboldsymbol{beta})$$
と定義します。$h_0(t)$は全個体に共通する基準ハザード関数であり、$exp(mathbf{x}_i^topboldsymbol{beta})$は共変量の線形結合に基づく乗法的効果です。2個体$i$と$j$のハザード比は
$$frac{h_i(t)}{h_j(t)} = expleft((mathbf{x}_i - mathbf{x}_j)^topboldsymbol{beta}right)$$
となり、右辺に時間$t$が含まれないため、ハザード比はすべての時点で同一の値をとります。これが比例ハザード仮定の核心であり、モデルの識別可能性を支える構造的前提です。
仮定違反は主に2つのパターンに分類されます。単調変化型では、治療効果が追跡期間にわたって増大または減少し、ハザード比が時間とともに単調に変化します。交差ハザード型では、2群のハザード曲線が途中で交差し、介入効果が初期と後期で逆転します。後者は免疫療法における遅延効果や晩期毒性が顕在化する臨床試験において観察されます。また薬効の時間的減衰により初期に高いハザード比が後期に低下するパターンも臨床上の典型例です。
PH仮定が違反されると、偏尤度推定から得られる$hat{boldsymbol{beta}}$は時間平均化されたバイアスのある推定値となります。交差ハザード型では相殺効果によってログランク検定やCox検定の検出力が著しく低下するため、誤った陰性結論につながるリスクがあります。
本手法の適用には、打ち切りが非情報的であること、すなわち打ち切り時点のタイミングがイベント発生確率と独立であることを前提とします。
比例ハザード仮定は観察研究や長期追跡を伴う臨床試験において頻繁に違反されることが知られており、分析開始前の系統的な診断が不可欠です。
Schoenfeld残差の定義と統計的性質
偏尤度推定における各イベント時刻では、リスク集合の中からイベントを経験した個体が選ばれる条件付き確率が偏尤度の構成要素となります。イベント時刻$t_k$におけるSchoenfeld残差$hat{r}_k$は、実際にイベントを経験した個体の共変量ベクトル$mathbf{x}_{(k)}$と、リスク集合$mathcal{R}_k$における共変量の条件付き期待値$hat{E}$の差として
$$hat{r}_k = mathbf{x}_{(k)}...
9. 部分尤度：Cox モデルの推定理論
部分尤度の動機と統計的位置づけ
Cox比例ハザードモデルは、ハザード関数を乗法構造
$$
h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x})
$$
として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。
完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。
この問題に対し、完全尤度を概念的に
$$
L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta})
$$
と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。
部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。
部分尤度関数の定義と構造
$n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を
$$
t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
セミパラメトリック構造の動機：なぜCoxモデルが必要か
生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて
$$
h(t) = frac{f(t)}{S(t)}
$$
と定義されます。$h(t)$...
Music
12. 時変共変量：動的リスク因子のCoxモデルへの組み込み
時変共変量とは何か：静的モデルの限界と動的拡張の必要性
標準的な比例ハザードモデルは共変量ベクトル$boldsymbol{Z}$をベースライン時点で固定し、$h(t|boldsymbol{Z}) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z})$を仮定します。しかし血圧・免疫マーカー・治療状況のように追跡期間中に変化するリスク因子が存在する場合、登録時固定コホートデータに基づくモデルは共変量の変動を捉えられず、推定に系統的な誤差が生じます。時変共変量の拡張モデルでは$boldsymbol{Z}$を時点$t$の関数$boldsymbol{Z}(t)$に置き換えることで動的リスク因子を定式化します。
$$h(t|boldsymbol{Z}(t)) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z}(t))$$
静的モデルでは$boldsymbol{Z}$が時点によらず定数であるのに対し、動的モデルでは$boldsymbol{Z}(t)$が各失敗時刻で更新されます。この形式的な差異は部分尤度の構成とリスク集合の定義を根本的に変えます。
時変共変量は外因性と内因性の2種類に区別されます。外因性時変共変量は将来の軌跡が生存時間$T$と過去の観測条件付きで独立であるものを指し、治療割り当ての変更・季節変動・環境暴露が該当します。内因性時変共変量は疾患過程自体が生成するものであり、バイオマーカー・症状スコア・臓器機能値がこれにあたります。この区別は因果解釈の可否を決定します。
各時点$t$における$boldsymbol{Z}(t)$が観測可能であること、および将来の共変量値や事象情報に依存しない非先行性が仮定されます。内因性共変量については疾患進行に伴う逆因果性の問題により、$exp(hat{boldsymbol{beta}})$を因果効果として解釈できません。また未来の測定値を現在のリスク計算に使用することは部分尤度の正当性を損ないます。
カウントプロセス定式化：時変モデルの数理的基盤
時変共変量Coxモデルの数学的正当性はカウントプロセス理論によって確立されます。個人$i$に対してカウントプロセスを
$$N_i(t) = I(T_i leq t,;Delta_i...
11. Coxモデルの変数選択と診断：残差・影響点分析
Coxモデル診断の目的と残差の基本概念
通常の線形回帰では、残差は観測値と予測値の差として直接定義されます。しかし生存時間解析では、打ち切り観測について真のイベント時刻が確認されないため、同様の定義を適用できません。打ち切り観測が含まれる状況で残差をどのように定義するかが、Coxモデル診断における根本的な課題です。
Coxモデルの部分尤度対数 $ell_p(beta)$ は次の形をとります。
$$
ell_p(beta) = sum_{i:,delta_i=1} left
$$
ここで $R(t_i)$ は時点 $t_i$...
10. 比例ハザード仮定の検証と診断：Schoenfeld残差
比例ハザード仮定の概要と重要性
Coxの比例ハザードモデルは、個体$i$のハザード関数を基準ハザード関数と共変量効果の乗法構造として
$$h_i(t) = h_0(t)exp(mathbf{x}_i^topboldsymbol{beta})$$
と定義します。$h_0(t)$は全個体に共通する基準ハザード関数であり、$exp(mathbf{x}_i^topboldsymbol{beta})$は共変量の線形結合に基づく乗法的効果です。2個体$i$と$j$のハザード比は
$$frac{h_i(t)}{h_j(t)} = expleft((mathbf{x}_i - mathbf{x}_j)^topboldsymbol{beta}right)$$
となり、右辺に時間$t$が含まれないため、ハザード比はすべての時点で同一の値をとります。これが比例ハザード仮定の核心であり、モデルの識別可能性を支える構造的前提です。
仮定違反は主に2つのパターンに分類されます。単調変化型では、治療効果が追跡期間にわたって増大または減少し、ハザード比が時間とともに単調に変化します。交差ハザード型では、2群のハザード曲線が途中で交差し、介入効果が初期と後期で逆転します。後者は免疫療法における遅延効果や晩期毒性が顕在化する臨床試験において観察されます。また薬効の時間的減衰により初期に高いハザード比が後期に低下するパターンも臨床上の典型例です。
PH仮定が違反されると、偏尤度推定から得られる$hat{boldsymbol{beta}}$は時間平均化されたバイアスのある推定値となります。交差ハザード型では相殺効果によってログランク検定やCox検定の検出力が著しく低下するため、誤った陰性結論につながるリスクがあります。
本手法の適用には、打ち切りが非情報的であること、すなわち打ち切り時点のタイミングがイベント発生確率と独立であることを前提とします。
比例ハザード仮定は観察研究や長期追跡を伴う臨床試験において頻繁に違反されることが知られており、分析開始前の系統的な診断が不可欠です。
Schoenfeld残差の定義と統計的性質
偏尤度推定における各イベント時刻では、リスク集合の中からイベントを経験した個体が選ばれる条件付き確率が偏尤度の構成要素となります。イベント時刻$t_k$におけるSchoenfeld残差$hat{r}_k$は、実際にイベントを経験した個体の共変量ベクトル$mathbf{x}_{(k)}$と、リスク集合$mathcal{R}_k$における共変量の条件付き期待値$hat{E}$の差として
$$hat{r}_k = mathbf{x}_{(k)}...
9. 部分尤度：Cox モデルの推定理論
部分尤度の動機と統計的位置づけ
Cox比例ハザードモデルは、ハザード関数を乗法構造
$$
h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x})
$$
として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。
完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。
この問題に対し、完全尤度を概念的に
$$
L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta})
$$
と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。
部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。
部分尤度関数の定義と構造
$n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を
$$
t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
セミパラメトリック構造の動機：なぜCoxモデルが必要か
生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて
$$
h(t) = frac{f(t)}{S(t)}
$$
と定義されます。$h(t)$...
Celebrity
12. 時変共変量：動的リスク因子のCoxモデルへの組み込み
時変共変量とは何か：静的モデルの限界と動的拡張の必要性
標準的な比例ハザードモデルは共変量ベクトル$boldsymbol{Z}$をベースライン時点で固定し、$h(t|boldsymbol{Z}) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z})$を仮定します。しかし血圧・免疫マーカー・治療状況のように追跡期間中に変化するリスク因子が存在する場合、登録時固定コホートデータに基づくモデルは共変量の変動を捉えられず、推定に系統的な誤差が生じます。時変共変量の拡張モデルでは$boldsymbol{Z}$を時点$t$の関数$boldsymbol{Z}(t)$に置き換えることで動的リスク因子を定式化します。
$$h(t|boldsymbol{Z}(t)) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z}(t))$$
静的モデルでは$boldsymbol{Z}$が時点によらず定数であるのに対し、動的モデルでは$boldsymbol{Z}(t)$が各失敗時刻で更新されます。この形式的な差異は部分尤度の構成とリスク集合の定義を根本的に変えます。
時変共変量は外因性と内因性の2種類に区別されます。外因性時変共変量は将来の軌跡が生存時間$T$と過去の観測条件付きで独立であるものを指し、治療割り当ての変更・季節変動・環境暴露が該当します。内因性時変共変量は疾患過程自体が生成するものであり、バイオマーカー・症状スコア・臓器機能値がこれにあたります。この区別は因果解釈の可否を決定します。
各時点$t$における$boldsymbol{Z}(t)$が観測可能であること、および将来の共変量値や事象情報に依存しない非先行性が仮定されます。内因性共変量については疾患進行に伴う逆因果性の問題により、$exp(hat{boldsymbol{beta}})$を因果効果として解釈できません。また未来の測定値を現在のリスク計算に使用することは部分尤度の正当性を損ないます。
カウントプロセス定式化：時変モデルの数理的基盤
時変共変量Coxモデルの数学的正当性はカウントプロセス理論によって確立されます。個人$i$に対してカウントプロセスを
$$N_i(t) = I(T_i leq t,;Delta_i...
11. Coxモデルの変数選択と診断：残差・影響点分析
Coxモデル診断の目的と残差の基本概念
通常の線形回帰では、残差は観測値と予測値の差として直接定義されます。しかし生存時間解析では、打ち切り観測について真のイベント時刻が確認されないため、同様の定義を適用できません。打ち切り観測が含まれる状況で残差をどのように定義するかが、Coxモデル診断における根本的な課題です。
Coxモデルの部分尤度対数 $ell_p(beta)$ は次の形をとります。
$$
ell_p(beta) = sum_{i:,delta_i=1} left
$$
ここで $R(t_i)$ は時点 $t_i$...
10. 比例ハザード仮定の検証と診断：Schoenfeld残差
比例ハザード仮定の概要と重要性
Coxの比例ハザードモデルは、個体$i$のハザード関数を基準ハザード関数と共変量効果の乗法構造として
$$h_i(t) = h_0(t)exp(mathbf{x}_i^topboldsymbol{beta})$$
と定義します。$h_0(t)$は全個体に共通する基準ハザード関数であり、$exp(mathbf{x}_i^topboldsymbol{beta})$は共変量の線形結合に基づく乗法的効果です。2個体$i$と$j$のハザード比は
$$frac{h_i(t)}{h_j(t)} = expleft((mathbf{x}_i - mathbf{x}_j)^topboldsymbol{beta}right)$$
となり、右辺に時間$t$が含まれないため、ハザード比はすべての時点で同一の値をとります。これが比例ハザード仮定の核心であり、モデルの識別可能性を支える構造的前提です。
仮定違反は主に2つのパターンに分類されます。単調変化型では、治療効果が追跡期間にわたって増大または減少し、ハザード比が時間とともに単調に変化します。交差ハザード型では、2群のハザード曲線が途中で交差し、介入効果が初期と後期で逆転します。後者は免疫療法における遅延効果や晩期毒性が顕在化する臨床試験において観察されます。また薬効の時間的減衰により初期に高いハザード比が後期に低下するパターンも臨床上の典型例です。
PH仮定が違反されると、偏尤度推定から得られる$hat{boldsymbol{beta}}$は時間平均化されたバイアスのある推定値となります。交差ハザード型では相殺効果によってログランク検定やCox検定の検出力が著しく低下するため、誤った陰性結論につながるリスクがあります。
本手法の適用には、打ち切りが非情報的であること、すなわち打ち切り時点のタイミングがイベント発生確率と独立であることを前提とします。
比例ハザード仮定は観察研究や長期追跡を伴う臨床試験において頻繁に違反されることが知られており、分析開始前の系統的な診断が不可欠です。
Schoenfeld残差の定義と統計的性質
偏尤度推定における各イベント時刻では、リスク集合の中からイベントを経験した個体が選ばれる条件付き確率が偏尤度の構成要素となります。イベント時刻$t_k$におけるSchoenfeld残差$hat{r}_k$は、実際にイベントを経験した個体の共変量ベクトル$mathbf{x}_{(k)}$と、リスク集合$mathcal{R}_k$における共変量の条件付き期待値$hat{E}$の差として
$$hat{r}_k = mathbf{x}_{(k)}...
9. 部分尤度：Cox モデルの推定理論
部分尤度の動機と統計的位置づけ
Cox比例ハザードモデルは、ハザード関数を乗法構造
$$
h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x})
$$
として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。
完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。
この問題に対し、完全尤度を概念的に
$$
L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta})
$$
と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。
部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。
部分尤度関数の定義と構造
$n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を
$$
t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
セミパラメトリック構造の動機：なぜCoxモデルが必要か
生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて
$$
h(t) = frac{f(t)}{S(t)}
$$
と定義されます。$h(t)$...
Scandals
12. 時変共変量：動的リスク因子のCoxモデルへの組み込み
時変共変量とは何か：静的モデルの限界と動的拡張の必要性
標準的な比例ハザードモデルは共変量ベクトル$boldsymbol{Z}$をベースライン時点で固定し、$h(t|boldsymbol{Z}) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z})$を仮定します。しかし血圧・免疫マーカー・治療状況のように追跡期間中に変化するリスク因子が存在する場合、登録時固定コホートデータに基づくモデルは共変量の変動を捉えられず、推定に系統的な誤差が生じます。時変共変量の拡張モデルでは$boldsymbol{Z}$を時点$t$の関数$boldsymbol{Z}(t)$に置き換えることで動的リスク因子を定式化します。
$$h(t|boldsymbol{Z}(t)) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z}(t))$$
静的モデルでは$boldsymbol{Z}$が時点によらず定数であるのに対し、動的モデルでは$boldsymbol{Z}(t)$が各失敗時刻で更新されます。この形式的な差異は部分尤度の構成とリスク集合の定義を根本的に変えます。
時変共変量は外因性と内因性の2種類に区別されます。外因性時変共変量は将来の軌跡が生存時間$T$と過去の観測条件付きで独立であるものを指し、治療割り当ての変更・季節変動・環境暴露が該当します。内因性時変共変量は疾患過程自体が生成するものであり、バイオマーカー・症状スコア・臓器機能値がこれにあたります。この区別は因果解釈の可否を決定します。
各時点$t$における$boldsymbol{Z}(t)$が観測可能であること、および将来の共変量値や事象情報に依存しない非先行性が仮定されます。内因性共変量については疾患進行に伴う逆因果性の問題により、$exp(hat{boldsymbol{beta}})$を因果効果として解釈できません。また未来の測定値を現在のリスク計算に使用することは部分尤度の正当性を損ないます。
カウントプロセス定式化：時変モデルの数理的基盤
時変共変量Coxモデルの数学的正当性はカウントプロセス理論によって確立されます。個人$i$に対してカウントプロセスを
$$N_i(t) = I(T_i leq t,;Delta_i...
11. Coxモデルの変数選択と診断：残差・影響点分析
Coxモデル診断の目的と残差の基本概念
通常の線形回帰では、残差は観測値と予測値の差として直接定義されます。しかし生存時間解析では、打ち切り観測について真のイベント時刻が確認されないため、同様の定義を適用できません。打ち切り観測が含まれる状況で残差をどのように定義するかが、Coxモデル診断における根本的な課題です。
Coxモデルの部分尤度対数 $ell_p(beta)$ は次の形をとります。
$$
ell_p(beta) = sum_{i:,delta_i=1} left
$$
ここで $R(t_i)$ は時点 $t_i$...
10. 比例ハザード仮定の検証と診断：Schoenfeld残差
比例ハザード仮定の概要と重要性
Coxの比例ハザードモデルは、個体$i$のハザード関数を基準ハザード関数と共変量効果の乗法構造として
$$h_i(t) = h_0(t)exp(mathbf{x}_i^topboldsymbol{beta})$$
と定義します。$h_0(t)$は全個体に共通する基準ハザード関数であり、$exp(mathbf{x}_i^topboldsymbol{beta})$は共変量の線形結合に基づく乗法的効果です。2個体$i$と$j$のハザード比は
$$frac{h_i(t)}{h_j(t)} = expleft((mathbf{x}_i - mathbf{x}_j)^topboldsymbol{beta}right)$$
となり、右辺に時間$t$が含まれないため、ハザード比はすべての時点で同一の値をとります。これが比例ハザード仮定の核心であり、モデルの識別可能性を支える構造的前提です。
仮定違反は主に2つのパターンに分類されます。単調変化型では、治療効果が追跡期間にわたって増大または減少し、ハザード比が時間とともに単調に変化します。交差ハザード型では、2群のハザード曲線が途中で交差し、介入効果が初期と後期で逆転します。後者は免疫療法における遅延効果や晩期毒性が顕在化する臨床試験において観察されます。また薬効の時間的減衰により初期に高いハザード比が後期に低下するパターンも臨床上の典型例です。
PH仮定が違反されると、偏尤度推定から得られる$hat{boldsymbol{beta}}$は時間平均化されたバイアスのある推定値となります。交差ハザード型では相殺効果によってログランク検定やCox検定の検出力が著しく低下するため、誤った陰性結論につながるリスクがあります。
本手法の適用には、打ち切りが非情報的であること、すなわち打ち切り時点のタイミングがイベント発生確率と独立であることを前提とします。
比例ハザード仮定は観察研究や長期追跡を伴う臨床試験において頻繁に違反されることが知られており、分析開始前の系統的な診断が不可欠です。
Schoenfeld残差の定義と統計的性質
偏尤度推定における各イベント時刻では、リスク集合の中からイベントを経験した個体が選ばれる条件付き確率が偏尤度の構成要素となります。イベント時刻$t_k$におけるSchoenfeld残差$hat{r}_k$は、実際にイベントを経験した個体の共変量ベクトル$mathbf{x}_{(k)}$と、リスク集合$mathcal{R}_k$における共変量の条件付き期待値$hat{E}$の差として
$$hat{r}_k = mathbf{x}_{(k)}...
9. 部分尤度：Cox モデルの推定理論
部分尤度の動機と統計的位置づけ
Cox比例ハザードモデルは、ハザード関数を乗法構造
$$
h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x})
$$
として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。
完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。
この問題に対し、完全尤度を概念的に
$$
L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta})
$$
と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。
部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。
部分尤度関数の定義と構造
$n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を
$$
t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
セミパラメトリック構造の動機：なぜCoxモデルが必要か
生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて
$$
h(t) = frac{f(t)}{S(t)}
$$
と定義されます。$h(t)$...
Drama
12. 時変共変量：動的リスク因子のCoxモデルへの組み込み
時変共変量とは何か：静的モデルの限界と動的拡張の必要性
標準的な比例ハザードモデルは共変量ベクトル$boldsymbol{Z}$をベースライン時点で固定し、$h(t|boldsymbol{Z}) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z})$を仮定します。しかし血圧・免疫マーカー・治療状況のように追跡期間中に変化するリスク因子が存在する場合、登録時固定コホートデータに基づくモデルは共変量の変動を捉えられず、推定に系統的な誤差が生じます。時変共変量の拡張モデルでは$boldsymbol{Z}$を時点$t$の関数$boldsymbol{Z}(t)$に置き換えることで動的リスク因子を定式化します。
$$h(t|boldsymbol{Z}(t)) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z}(t))$$
静的モデルでは$boldsymbol{Z}$が時点によらず定数であるのに対し、動的モデルでは$boldsymbol{Z}(t)$が各失敗時刻で更新されます。この形式的な差異は部分尤度の構成とリスク集合の定義を根本的に変えます。
時変共変量は外因性と内因性の2種類に区別されます。外因性時変共変量は将来の軌跡が生存時間$T$と過去の観測条件付きで独立であるものを指し、治療割り当ての変更・季節変動・環境暴露が該当します。内因性時変共変量は疾患過程自体が生成するものであり、バイオマーカー・症状スコア・臓器機能値がこれにあたります。この区別は因果解釈の可否を決定します。
各時点$t$における$boldsymbol{Z}(t)$が観測可能であること、および将来の共変量値や事象情報に依存しない非先行性が仮定されます。内因性共変量については疾患進行に伴う逆因果性の問題により、$exp(hat{boldsymbol{beta}})$を因果効果として解釈できません。また未来の測定値を現在のリスク計算に使用することは部分尤度の正当性を損ないます。
カウントプロセス定式化：時変モデルの数理的基盤
時変共変量Coxモデルの数学的正当性はカウントプロセス理論によって確立されます。個人$i$に対してカウントプロセスを
$$N_i(t) = I(T_i leq t,;Delta_i...
11. Coxモデルの変数選択と診断：残差・影響点分析
Coxモデル診断の目的と残差の基本概念
通常の線形回帰では、残差は観測値と予測値の差として直接定義されます。しかし生存時間解析では、打ち切り観測について真のイベント時刻が確認されないため、同様の定義を適用できません。打ち切り観測が含まれる状況で残差をどのように定義するかが、Coxモデル診断における根本的な課題です。
Coxモデルの部分尤度対数 $ell_p(beta)$ は次の形をとります。
$$
ell_p(beta) = sum_{i:,delta_i=1} left
$$
ここで $R(t_i)$ は時点 $t_i$...
10. 比例ハザード仮定の検証と診断：Schoenfeld残差
比例ハザード仮定の概要と重要性
Coxの比例ハザードモデルは、個体$i$のハザード関数を基準ハザード関数と共変量効果の乗法構造として
$$h_i(t) = h_0(t)exp(mathbf{x}_i^topboldsymbol{beta})$$
と定義します。$h_0(t)$は全個体に共通する基準ハザード関数であり、$exp(mathbf{x}_i^topboldsymbol{beta})$は共変量の線形結合に基づく乗法的効果です。2個体$i$と$j$のハザード比は
$$frac{h_i(t)}{h_j(t)} = expleft((mathbf{x}_i - mathbf{x}_j)^topboldsymbol{beta}right)$$
となり、右辺に時間$t$が含まれないため、ハザード比はすべての時点で同一の値をとります。これが比例ハザード仮定の核心であり、モデルの識別可能性を支える構造的前提です。
仮定違反は主に2つのパターンに分類されます。単調変化型では、治療効果が追跡期間にわたって増大または減少し、ハザード比が時間とともに単調に変化します。交差ハザード型では、2群のハザード曲線が途中で交差し、介入効果が初期と後期で逆転します。後者は免疫療法における遅延効果や晩期毒性が顕在化する臨床試験において観察されます。また薬効の時間的減衰により初期に高いハザード比が後期に低下するパターンも臨床上の典型例です。
PH仮定が違反されると、偏尤度推定から得られる$hat{boldsymbol{beta}}$は時間平均化されたバイアスのある推定値となります。交差ハザード型では相殺効果によってログランク検定やCox検定の検出力が著しく低下するため、誤った陰性結論につながるリスクがあります。
本手法の適用には、打ち切りが非情報的であること、すなわち打ち切り時点のタイミングがイベント発生確率と独立であることを前提とします。
比例ハザード仮定は観察研究や長期追跡を伴う臨床試験において頻繁に違反されることが知られており、分析開始前の系統的な診断が不可欠です。
Schoenfeld残差の定義と統計的性質
偏尤度推定における各イベント時刻では、リスク集合の中からイベントを経験した個体が選ばれる条件付き確率が偏尤度の構成要素となります。イベント時刻$t_k$におけるSchoenfeld残差$hat{r}_k$は、実際にイベントを経験した個体の共変量ベクトル$mathbf{x}_{(k)}$と、リスク集合$mathcal{R}_k$における共変量の条件付き期待値$hat{E}$の差として
$$hat{r}_k = mathbf{x}_{(k)}...
9. 部分尤度：Cox モデルの推定理論
部分尤度の動機と統計的位置づけ
Cox比例ハザードモデルは、ハザード関数を乗法構造
$$
h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x})
$$
として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。
完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。
この問題に対し、完全尤度を概念的に
$$
L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta})
$$
と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。
部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。
部分尤度関数の定義と構造
$n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を
$$
t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
セミパラメトリック構造の動機：なぜCoxモデルが必要か
生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて
$$
h(t) = frac{f(t)}{S(t)}
$$
と定義されます。$h(t)$...
Lifestyle
12. 時変共変量：動的リスク因子のCoxモデルへの組み込み
時変共変量とは何か：静的モデルの限界と動的拡張の必要性
標準的な比例ハザードモデルは共変量ベクトル$boldsymbol{Z}$をベースライン時点で固定し、$h(t|boldsymbol{Z}) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z})$を仮定します。しかし血圧・免疫マーカー・治療状況のように追跡期間中に変化するリスク因子が存在する場合、登録時固定コホートデータに基づくモデルは共変量の変動を捉えられず、推定に系統的な誤差が生じます。時変共変量の拡張モデルでは$boldsymbol{Z}$を時点$t$の関数$boldsymbol{Z}(t)$に置き換えることで動的リスク因子を定式化します。
$$h(t|boldsymbol{Z}(t)) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z}(t))$$
静的モデルでは$boldsymbol{Z}$が時点によらず定数であるのに対し、動的モデルでは$boldsymbol{Z}(t)$が各失敗時刻で更新されます。この形式的な差異は部分尤度の構成とリスク集合の定義を根本的に変えます。
時変共変量は外因性と内因性の2種類に区別されます。外因性時変共変量は将来の軌跡が生存時間$T$と過去の観測条件付きで独立であるものを指し、治療割り当ての変更・季節変動・環境暴露が該当します。内因性時変共変量は疾患過程自体が生成するものであり、バイオマーカー・症状スコア・臓器機能値がこれにあたります。この区別は因果解釈の可否を決定します。
各時点$t$における$boldsymbol{Z}(t)$が観測可能であること、および将来の共変量値や事象情報に依存しない非先行性が仮定されます。内因性共変量については疾患進行に伴う逆因果性の問題により、$exp(hat{boldsymbol{beta}})$を因果効果として解釈できません。また未来の測定値を現在のリスク計算に使用することは部分尤度の正当性を損ないます。
カウントプロセス定式化：時変モデルの数理的基盤
時変共変量Coxモデルの数学的正当性はカウントプロセス理論によって確立されます。個人$i$に対してカウントプロセスを
$$N_i(t) = I(T_i leq t,;Delta_i...
11. Coxモデルの変数選択と診断：残差・影響点分析
Coxモデル診断の目的と残差の基本概念
通常の線形回帰では、残差は観測値と予測値の差として直接定義されます。しかし生存時間解析では、打ち切り観測について真のイベント時刻が確認されないため、同様の定義を適用できません。打ち切り観測が含まれる状況で残差をどのように定義するかが、Coxモデル診断における根本的な課題です。
Coxモデルの部分尤度対数 $ell_p(beta)$ は次の形をとります。
$$
ell_p(beta) = sum_{i:,delta_i=1} left
$$
ここで $R(t_i)$ は時点 $t_i$...
10. 比例ハザード仮定の検証と診断：Schoenfeld残差
比例ハザード仮定の概要と重要性
Coxの比例ハザードモデルは、個体$i$のハザード関数を基準ハザード関数と共変量効果の乗法構造として
$$h_i(t) = h_0(t)exp(mathbf{x}_i^topboldsymbol{beta})$$
と定義します。$h_0(t)$は全個体に共通する基準ハザード関数であり、$exp(mathbf{x}_i^topboldsymbol{beta})$は共変量の線形結合に基づく乗法的効果です。2個体$i$と$j$のハザード比は
$$frac{h_i(t)}{h_j(t)} = expleft((mathbf{x}_i - mathbf{x}_j)^topboldsymbol{beta}right)$$
となり、右辺に時間$t$が含まれないため、ハザード比はすべての時点で同一の値をとります。これが比例ハザード仮定の核心であり、モデルの識別可能性を支える構造的前提です。
仮定違反は主に2つのパターンに分類されます。単調変化型では、治療効果が追跡期間にわたって増大または減少し、ハザード比が時間とともに単調に変化します。交差ハザード型では、2群のハザード曲線が途中で交差し、介入効果が初期と後期で逆転します。後者は免疫療法における遅延効果や晩期毒性が顕在化する臨床試験において観察されます。また薬効の時間的減衰により初期に高いハザード比が後期に低下するパターンも臨床上の典型例です。
PH仮定が違反されると、偏尤度推定から得られる$hat{boldsymbol{beta}}$は時間平均化されたバイアスのある推定値となります。交差ハザード型では相殺効果によってログランク検定やCox検定の検出力が著しく低下するため、誤った陰性結論につながるリスクがあります。
本手法の適用には、打ち切りが非情報的であること、すなわち打ち切り時点のタイミングがイベント発生確率と独立であることを前提とします。
比例ハザード仮定は観察研究や長期追跡を伴う臨床試験において頻繁に違反されることが知られており、分析開始前の系統的な診断が不可欠です。
Schoenfeld残差の定義と統計的性質
偏尤度推定における各イベント時刻では、リスク集合の中からイベントを経験した個体が選ばれる条件付き確率が偏尤度の構成要素となります。イベント時刻$t_k$におけるSchoenfeld残差$hat{r}_k$は、実際にイベントを経験した個体の共変量ベクトル$mathbf{x}_{(k)}$と、リスク集合$mathcal{R}_k$における共変量の条件付き期待値$hat{E}$の差として
$$hat{r}_k = mathbf{x}_{(k)}...
9. 部分尤度：Cox モデルの推定理論
部分尤度の動機と統計的位置づけ
Cox比例ハザードモデルは、ハザード関数を乗法構造
$$
h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x})
$$
として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。
完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。
この問題に対し、完全尤度を概念的に
$$
L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta})
$$
と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。
部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。
部分尤度関数の定義と構造
$n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を
$$
t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
セミパラメトリック構造の動機：なぜCoxモデルが必要か
生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて
$$
h(t) = frac{f(t)}{S(t)}
$$
と定義されます。$h(t)$...
Health
12. 時変共変量：動的リスク因子のCoxモデルへの組み込み
時変共変量とは何か：静的モデルの限界と動的拡張の必要性
標準的な比例ハザードモデルは共変量ベクトル$boldsymbol{Z}$をベースライン時点で固定し、$h(t|boldsymbol{Z}) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z})$を仮定します。しかし血圧・免疫マーカー・治療状況のように追跡期間中に変化するリスク因子が存在する場合、登録時固定コホートデータに基づくモデルは共変量の変動を捉えられず、推定に系統的な誤差が生じます。時変共変量の拡張モデルでは$boldsymbol{Z}$を時点$t$の関数$boldsymbol{Z}(t)$に置き換えることで動的リスク因子を定式化します。
$$h(t|boldsymbol{Z}(t)) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z}(t))$$
静的モデルでは$boldsymbol{Z}$が時点によらず定数であるのに対し、動的モデルでは$boldsymbol{Z}(t)$が各失敗時刻で更新されます。この形式的な差異は部分尤度の構成とリスク集合の定義を根本的に変えます。
時変共変量は外因性と内因性の2種類に区別されます。外因性時変共変量は将来の軌跡が生存時間$T$と過去の観測条件付きで独立であるものを指し、治療割り当ての変更・季節変動・環境暴露が該当します。内因性時変共変量は疾患過程自体が生成するものであり、バイオマーカー・症状スコア・臓器機能値がこれにあたります。この区別は因果解釈の可否を決定します。
各時点$t$における$boldsymbol{Z}(t)$が観測可能であること、および将来の共変量値や事象情報に依存しない非先行性が仮定されます。内因性共変量については疾患進行に伴う逆因果性の問題により、$exp(hat{boldsymbol{beta}})$を因果効果として解釈できません。また未来の測定値を現在のリスク計算に使用することは部分尤度の正当性を損ないます。
カウントプロセス定式化：時変モデルの数理的基盤
時変共変量Coxモデルの数学的正当性はカウントプロセス理論によって確立されます。個人$i$に対してカウントプロセスを
$$N_i(t) = I(T_i leq t,;Delta_i...
11. Coxモデルの変数選択と診断：残差・影響点分析
Coxモデル診断の目的と残差の基本概念
通常の線形回帰では、残差は観測値と予測値の差として直接定義されます。しかし生存時間解析では、打ち切り観測について真のイベント時刻が確認されないため、同様の定義を適用できません。打ち切り観測が含まれる状況で残差をどのように定義するかが、Coxモデル診断における根本的な課題です。
Coxモデルの部分尤度対数 $ell_p(beta)$ は次の形をとります。
$$
ell_p(beta) = sum_{i:,delta_i=1} left
$$
ここで $R(t_i)$ は時点 $t_i$...
10. 比例ハザード仮定の検証と診断：Schoenfeld残差
比例ハザード仮定の概要と重要性
Coxの比例ハザードモデルは、個体$i$のハザード関数を基準ハザード関数と共変量効果の乗法構造として
$$h_i(t) = h_0(t)exp(mathbf{x}_i^topboldsymbol{beta})$$
と定義します。$h_0(t)$は全個体に共通する基準ハザード関数であり、$exp(mathbf{x}_i^topboldsymbol{beta})$は共変量の線形結合に基づく乗法的効果です。2個体$i$と$j$のハザード比は
$$frac{h_i(t)}{h_j(t)} = expleft((mathbf{x}_i - mathbf{x}_j)^topboldsymbol{beta}right)$$
となり、右辺に時間$t$が含まれないため、ハザード比はすべての時点で同一の値をとります。これが比例ハザード仮定の核心であり、モデルの識別可能性を支える構造的前提です。
仮定違反は主に2つのパターンに分類されます。単調変化型では、治療効果が追跡期間にわたって増大または減少し、ハザード比が時間とともに単調に変化します。交差ハザード型では、2群のハザード曲線が途中で交差し、介入効果が初期と後期で逆転します。後者は免疫療法における遅延効果や晩期毒性が顕在化する臨床試験において観察されます。また薬効の時間的減衰により初期に高いハザード比が後期に低下するパターンも臨床上の典型例です。
PH仮定が違反されると、偏尤度推定から得られる$hat{boldsymbol{beta}}$は時間平均化されたバイアスのある推定値となります。交差ハザード型では相殺効果によってログランク検定やCox検定の検出力が著しく低下するため、誤った陰性結論につながるリスクがあります。
本手法の適用には、打ち切りが非情報的であること、すなわち打ち切り時点のタイミングがイベント発生確率と独立であることを前提とします。
比例ハザード仮定は観察研究や長期追跡を伴う臨床試験において頻繁に違反されることが知られており、分析開始前の系統的な診断が不可欠です。
Schoenfeld残差の定義と統計的性質
偏尤度推定における各イベント時刻では、リスク集合の中からイベントを経験した個体が選ばれる条件付き確率が偏尤度の構成要素となります。イベント時刻$t_k$におけるSchoenfeld残差$hat{r}_k$は、実際にイベントを経験した個体の共変量ベクトル$mathbf{x}_{(k)}$と、リスク集合$mathcal{R}_k$における共変量の条件付き期待値$hat{E}$の差として
$$hat{r}_k = mathbf{x}_{(k)}...
9. 部分尤度：Cox モデルの推定理論
部分尤度の動機と統計的位置づけ
Cox比例ハザードモデルは、ハザード関数を乗法構造
$$
h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x})
$$
として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。
完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。
この問題に対し、完全尤度を概念的に
$$
L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta})
$$
と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。
部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。
部分尤度関数の定義と構造
$n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を
$$
t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
セミパラメトリック構造の動機：なぜCoxモデルが必要か
生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて
$$
h(t) = frac{f(t)}{S(t)}
$$
と定義されます。$h(t)$...
Technology
12. 時変共変量：動的リスク因子のCoxモデルへの組み込み
時変共変量とは何か：静的モデルの限界と動的拡張の必要性
標準的な比例ハザードモデルは共変量ベクトル$boldsymbol{Z}$をベースライン時点で固定し、$h(t|boldsymbol{Z}) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z})$を仮定します。しかし血圧・免疫マーカー・治療状況のように追跡期間中に変化するリスク因子が存在する場合、登録時固定コホートデータに基づくモデルは共変量の変動を捉えられず、推定に系統的な誤差が生じます。時変共変量の拡張モデルでは$boldsymbol{Z}$を時点$t$の関数$boldsymbol{Z}(t)$に置き換えることで動的リスク因子を定式化します。
$$h(t|boldsymbol{Z}(t)) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z}(t))$$
静的モデルでは$boldsymbol{Z}$が時点によらず定数であるのに対し、動的モデルでは$boldsymbol{Z}(t)$が各失敗時刻で更新されます。この形式的な差異は部分尤度の構成とリスク集合の定義を根本的に変えます。
時変共変量は外因性と内因性の2種類に区別されます。外因性時変共変量は将来の軌跡が生存時間$T$と過去の観測条件付きで独立であるものを指し、治療割り当ての変更・季節変動・環境暴露が該当します。内因性時変共変量は疾患過程自体が生成するものであり、バイオマーカー・症状スコア・臓器機能値がこれにあたります。この区別は因果解釈の可否を決定します。
各時点$t$における$boldsymbol{Z}(t)$が観測可能であること、および将来の共変量値や事象情報に依存しない非先行性が仮定されます。内因性共変量については疾患進行に伴う逆因果性の問題により、$exp(hat{boldsymbol{beta}})$を因果効果として解釈できません。また未来の測定値を現在のリスク計算に使用することは部分尤度の正当性を損ないます。
カウントプロセス定式化：時変モデルの数理的基盤
時変共変量Coxモデルの数学的正当性はカウントプロセス理論によって確立されます。個人$i$に対してカウントプロセスを
$$N_i(t) = I(T_i leq t,;Delta_i...
11. Coxモデルの変数選択と診断：残差・影響点分析
Coxモデル診断の目的と残差の基本概念
通常の線形回帰では、残差は観測値と予測値の差として直接定義されます。しかし生存時間解析では、打ち切り観測について真のイベント時刻が確認されないため、同様の定義を適用できません。打ち切り観測が含まれる状況で残差をどのように定義するかが、Coxモデル診断における根本的な課題です。
Coxモデルの部分尤度対数 $ell_p(beta)$ は次の形をとります。
$$
ell_p(beta) = sum_{i:,delta_i=1} left
$$
ここで $R(t_i)$ は時点 $t_i$...
10. 比例ハザード仮定の検証と診断：Schoenfeld残差
比例ハザード仮定の概要と重要性
Coxの比例ハザードモデルは、個体$i$のハザード関数を基準ハザード関数と共変量効果の乗法構造として
$$h_i(t) = h_0(t)exp(mathbf{x}_i^topboldsymbol{beta})$$
と定義します。$h_0(t)$は全個体に共通する基準ハザード関数であり、$exp(mathbf{x}_i^topboldsymbol{beta})$は共変量の線形結合に基づく乗法的効果です。2個体$i$と$j$のハザード比は
$$frac{h_i(t)}{h_j(t)} = expleft((mathbf{x}_i - mathbf{x}_j)^topboldsymbol{beta}right)$$
となり、右辺に時間$t$が含まれないため、ハザード比はすべての時点で同一の値をとります。これが比例ハザード仮定の核心であり、モデルの識別可能性を支える構造的前提です。
仮定違反は主に2つのパターンに分類されます。単調変化型では、治療効果が追跡期間にわたって増大または減少し、ハザード比が時間とともに単調に変化します。交差ハザード型では、2群のハザード曲線が途中で交差し、介入効果が初期と後期で逆転します。後者は免疫療法における遅延効果や晩期毒性が顕在化する臨床試験において観察されます。また薬効の時間的減衰により初期に高いハザード比が後期に低下するパターンも臨床上の典型例です。
PH仮定が違反されると、偏尤度推定から得られる$hat{boldsymbol{beta}}$は時間平均化されたバイアスのある推定値となります。交差ハザード型では相殺効果によってログランク検定やCox検定の検出力が著しく低下するため、誤った陰性結論につながるリスクがあります。
本手法の適用には、打ち切りが非情報的であること、すなわち打ち切り時点のタイミングがイベント発生確率と独立であることを前提とします。
比例ハザード仮定は観察研究や長期追跡を伴う臨床試験において頻繁に違反されることが知られており、分析開始前の系統的な診断が不可欠です。
Schoenfeld残差の定義と統計的性質
偏尤度推定における各イベント時刻では、リスク集合の中からイベントを経験した個体が選ばれる条件付き確率が偏尤度の構成要素となります。イベント時刻$t_k$におけるSchoenfeld残差$hat{r}_k$は、実際にイベントを経験した個体の共変量ベクトル$mathbf{x}_{(k)}$と、リスク集合$mathcal{R}_k$における共変量の条件付き期待値$hat{E}$の差として
$$hat{r}_k = mathbf{x}_{(k)}...
9. 部分尤度：Cox モデルの推定理論
部分尤度の動機と統計的位置づけ
Cox比例ハザードモデルは、ハザード関数を乗法構造
$$
h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x})
$$
として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。
完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。
この問題に対し、完全尤度を概念的に
$$
L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta})
$$
と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。
部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。
部分尤度関数の定義と構造
$n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を
$$
t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
セミパラメトリック構造の動機：なぜCoxモデルが必要か
生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて
$$
h(t) = frac{f(t)}{S(t)}
$$
と定義されます。$h(t)$...
Movies
12. 時変共変量：動的リスク因子のCoxモデルへの組み込み
時変共変量とは何か：静的モデルの限界と動的拡張の必要性
標準的な比例ハザードモデルは共変量ベクトル$boldsymbol{Z}$をベースライン時点で固定し、$h(t|boldsymbol{Z}) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z})$を仮定します。しかし血圧・免疫マーカー・治療状況のように追跡期間中に変化するリスク因子が存在する場合、登録時固定コホートデータに基づくモデルは共変量の変動を捉えられず、推定に系統的な誤差が生じます。時変共変量の拡張モデルでは$boldsymbol{Z}$を時点$t$の関数$boldsymbol{Z}(t)$に置き換えることで動的リスク因子を定式化します。
$$h(t|boldsymbol{Z}(t)) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z}(t))$$
静的モデルでは$boldsymbol{Z}$が時点によらず定数であるのに対し、動的モデルでは$boldsymbol{Z}(t)$が各失敗時刻で更新されます。この形式的な差異は部分尤度の構成とリスク集合の定義を根本的に変えます。
時変共変量は外因性と内因性の2種類に区別されます。外因性時変共変量は将来の軌跡が生存時間$T$と過去の観測条件付きで独立であるものを指し、治療割り当ての変更・季節変動・環境暴露が該当します。内因性時変共変量は疾患過程自体が生成するものであり、バイオマーカー・症状スコア・臓器機能値がこれにあたります。この区別は因果解釈の可否を決定します。
各時点$t$における$boldsymbol{Z}(t)$が観測可能であること、および将来の共変量値や事象情報に依存しない非先行性が仮定されます。内因性共変量については疾患進行に伴う逆因果性の問題により、$exp(hat{boldsymbol{beta}})$を因果効果として解釈できません。また未来の測定値を現在のリスク計算に使用することは部分尤度の正当性を損ないます。
カウントプロセス定式化：時変モデルの数理的基盤
時変共変量Coxモデルの数学的正当性はカウントプロセス理論によって確立されます。個人$i$に対してカウントプロセスを
$$N_i(t) = I(T_i leq t,;Delta_i...
11. Coxモデルの変数選択と診断：残差・影響点分析
Coxモデル診断の目的と残差の基本概念
通常の線形回帰では、残差は観測値と予測値の差として直接定義されます。しかし生存時間解析では、打ち切り観測について真のイベント時刻が確認されないため、同様の定義を適用できません。打ち切り観測が含まれる状況で残差をどのように定義するかが、Coxモデル診断における根本的な課題です。
Coxモデルの部分尤度対数 $ell_p(beta)$ は次の形をとります。
$$
ell_p(beta) = sum_{i:,delta_i=1} left
$$
ここで $R(t_i)$ は時点 $t_i$...
10. 比例ハザード仮定の検証と診断：Schoenfeld残差
比例ハザード仮定の概要と重要性
Coxの比例ハザードモデルは、個体$i$のハザード関数を基準ハザード関数と共変量効果の乗法構造として
$$h_i(t) = h_0(t)exp(mathbf{x}_i^topboldsymbol{beta})$$
と定義します。$h_0(t)$は全個体に共通する基準ハザード関数であり、$exp(mathbf{x}_i^topboldsymbol{beta})$は共変量の線形結合に基づく乗法的効果です。2個体$i$と$j$のハザード比は
$$frac{h_i(t)}{h_j(t)} = expleft((mathbf{x}_i - mathbf{x}_j)^topboldsymbol{beta}right)$$
となり、右辺に時間$t$が含まれないため、ハザード比はすべての時点で同一の値をとります。これが比例ハザード仮定の核心であり、モデルの識別可能性を支える構造的前提です。
仮定違反は主に2つのパターンに分類されます。単調変化型では、治療効果が追跡期間にわたって増大または減少し、ハザード比が時間とともに単調に変化します。交差ハザード型では、2群のハザード曲線が途中で交差し、介入効果が初期と後期で逆転します。後者は免疫療法における遅延効果や晩期毒性が顕在化する臨床試験において観察されます。また薬効の時間的減衰により初期に高いハザード比が後期に低下するパターンも臨床上の典型例です。
PH仮定が違反されると、偏尤度推定から得られる$hat{boldsymbol{beta}}$は時間平均化されたバイアスのある推定値となります。交差ハザード型では相殺効果によってログランク検定やCox検定の検出力が著しく低下するため、誤った陰性結論につながるリスクがあります。
本手法の適用には、打ち切りが非情報的であること、すなわち打ち切り時点のタイミングがイベント発生確率と独立であることを前提とします。
比例ハザード仮定は観察研究や長期追跡を伴う臨床試験において頻繁に違反されることが知られており、分析開始前の系統的な診断が不可欠です。
Schoenfeld残差の定義と統計的性質
偏尤度推定における各イベント時刻では、リスク集合の中からイベントを経験した個体が選ばれる条件付き確率が偏尤度の構成要素となります。イベント時刻$t_k$におけるSchoenfeld残差$hat{r}_k$は、実際にイベントを経験した個体の共変量ベクトル$mathbf{x}_{(k)}$と、リスク集合$mathcal{R}_k$における共変量の条件付き期待値$hat{E}$の差として
$$hat{r}_k = mathbf{x}_{(k)}...
9. 部分尤度：Cox モデルの推定理論
部分尤度の動機と統計的位置づけ
Cox比例ハザードモデルは、ハザード関数を乗法構造
$$
h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x})
$$
として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。
完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。
この問題に対し、完全尤度を概念的に
$$
L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta})
$$
と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。
部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。
部分尤度関数の定義と構造
$n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を
$$
t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
セミパラメトリック構造の動機：なぜCoxモデルが必要か
生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて
$$
h(t) = frac{f(t)}{S(t)}
$$
と定義されます。$h(t)$...
TV Shows
12. 時変共変量：動的リスク因子のCoxモデルへの組み込み
時変共変量とは何か：静的モデルの限界と動的拡張の必要性
標準的な比例ハザードモデルは共変量ベクトル$boldsymbol{Z}$をベースライン時点で固定し、$h(t|boldsymbol{Z}) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z})$を仮定します。しかし血圧・免疫マーカー・治療状況のように追跡期間中に変化するリスク因子が存在する場合、登録時固定コホートデータに基づくモデルは共変量の変動を捉えられず、推定に系統的な誤差が生じます。時変共変量の拡張モデルでは$boldsymbol{Z}$を時点$t$の関数$boldsymbol{Z}(t)$に置き換えることで動的リスク因子を定式化します。
$$h(t|boldsymbol{Z}(t)) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z}(t))$$
静的モデルでは$boldsymbol{Z}$が時点によらず定数であるのに対し、動的モデルでは$boldsymbol{Z}(t)$が各失敗時刻で更新されます。この形式的な差異は部分尤度の構成とリスク集合の定義を根本的に変えます。
時変共変量は外因性と内因性の2種類に区別されます。外因性時変共変量は将来の軌跡が生存時間$T$と過去の観測条件付きで独立であるものを指し、治療割り当ての変更・季節変動・環境暴露が該当します。内因性時変共変量は疾患過程自体が生成するものであり、バイオマーカー・症状スコア・臓器機能値がこれにあたります。この区別は因果解釈の可否を決定します。
各時点$t$における$boldsymbol{Z}(t)$が観測可能であること、および将来の共変量値や事象情報に依存しない非先行性が仮定されます。内因性共変量については疾患進行に伴う逆因果性の問題により、$exp(hat{boldsymbol{beta}})$を因果効果として解釈できません。また未来の測定値を現在のリスク計算に使用することは部分尤度の正当性を損ないます。
カウントプロセス定式化：時変モデルの数理的基盤
時変共変量Coxモデルの数学的正当性はカウントプロセス理論によって確立されます。個人$i$に対してカウントプロセスを
$$N_i(t) = I(T_i leq t,;Delta_i...
11. Coxモデルの変数選択と診断：残差・影響点分析
Coxモデル診断の目的と残差の基本概念
通常の線形回帰では、残差は観測値と予測値の差として直接定義されます。しかし生存時間解析では、打ち切り観測について真のイベント時刻が確認されないため、同様の定義を適用できません。打ち切り観測が含まれる状況で残差をどのように定義するかが、Coxモデル診断における根本的な課題です。
Coxモデルの部分尤度対数 $ell_p(beta)$ は次の形をとります。
$$
ell_p(beta) = sum_{i:,delta_i=1} left
$$
ここで $R(t_i)$ は時点 $t_i$...
10. 比例ハザード仮定の検証と診断：Schoenfeld残差
比例ハザード仮定の概要と重要性
Coxの比例ハザードモデルは、個体$i$のハザード関数を基準ハザード関数と共変量効果の乗法構造として
$$h_i(t) = h_0(t)exp(mathbf{x}_i^topboldsymbol{beta})$$
と定義します。$h_0(t)$は全個体に共通する基準ハザード関数であり、$exp(mathbf{x}_i^topboldsymbol{beta})$は共変量の線形結合に基づく乗法的効果です。2個体$i$と$j$のハザード比は
$$frac{h_i(t)}{h_j(t)} = expleft((mathbf{x}_i - mathbf{x}_j)^topboldsymbol{beta}right)$$
となり、右辺に時間$t$が含まれないため、ハザード比はすべての時点で同一の値をとります。これが比例ハザード仮定の核心であり、モデルの識別可能性を支える構造的前提です。
仮定違反は主に2つのパターンに分類されます。単調変化型では、治療効果が追跡期間にわたって増大または減少し、ハザード比が時間とともに単調に変化します。交差ハザード型では、2群のハザード曲線が途中で交差し、介入効果が初期と後期で逆転します。後者は免疫療法における遅延効果や晩期毒性が顕在化する臨床試験において観察されます。また薬効の時間的減衰により初期に高いハザード比が後期に低下するパターンも臨床上の典型例です。
PH仮定が違反されると、偏尤度推定から得られる$hat{boldsymbol{beta}}$は時間平均化されたバイアスのある推定値となります。交差ハザード型では相殺効果によってログランク検定やCox検定の検出力が著しく低下するため、誤った陰性結論につながるリスクがあります。
本手法の適用には、打ち切りが非情報的であること、すなわち打ち切り時点のタイミングがイベント発生確率と独立であることを前提とします。
比例ハザード仮定は観察研究や長期追跡を伴う臨床試験において頻繁に違反されることが知られており、分析開始前の系統的な診断が不可欠です。
Schoenfeld残差の定義と統計的性質
偏尤度推定における各イベント時刻では、リスク集合の中からイベントを経験した個体が選ばれる条件付き確率が偏尤度の構成要素となります。イベント時刻$t_k$におけるSchoenfeld残差$hat{r}_k$は、実際にイベントを経験した個体の共変量ベクトル$mathbf{x}_{(k)}$と、リスク集合$mathcal{R}_k$における共変量の条件付き期待値$hat{E}$の差として
$$hat{r}_k = mathbf{x}_{(k)}...
9. 部分尤度：Cox モデルの推定理論
部分尤度の動機と統計的位置づけ
Cox比例ハザードモデルは、ハザード関数を乗法構造
$$
h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x})
$$
として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。
完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。
この問題に対し、完全尤度を概念的に
$$
L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta})
$$
と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。
部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。
部分尤度関数の定義と構造
$n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を
$$
t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
セミパラメトリック構造の動機：なぜCoxモデルが必要か
生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて
$$
h(t) = frac{f(t)}{S(t)}
$$
と定義されます。$h(t)$...
Music
12. 時変共変量：動的リスク因子のCoxモデルへの組み込み
時変共変量とは何か：静的モデルの限界と動的拡張の必要性
標準的な比例ハザードモデルは共変量ベクトル$boldsymbol{Z}$をベースライン時点で固定し、$h(t|boldsymbol{Z}) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z})$を仮定します。しかし血圧・免疫マーカー・治療状況のように追跡期間中に変化するリスク因子が存在する場合、登録時固定コホートデータに基づくモデルは共変量の変動を捉えられず、推定に系統的な誤差が生じます。時変共変量の拡張モデルでは$boldsymbol{Z}$を時点$t$の関数$boldsymbol{Z}(t)$に置き換えることで動的リスク因子を定式化します。
$$h(t|boldsymbol{Z}(t)) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z}(t))$$
静的モデルでは$boldsymbol{Z}$が時点によらず定数であるのに対し、動的モデルでは$boldsymbol{Z}(t)$が各失敗時刻で更新されます。この形式的な差異は部分尤度の構成とリスク集合の定義を根本的に変えます。
時変共変量は外因性と内因性の2種類に区別されます。外因性時変共変量は将来の軌跡が生存時間$T$と過去の観測条件付きで独立であるものを指し、治療割り当ての変更・季節変動・環境暴露が該当します。内因性時変共変量は疾患過程自体が生成するものであり、バイオマーカー・症状スコア・臓器機能値がこれにあたります。この区別は因果解釈の可否を決定します。
各時点$t$における$boldsymbol{Z}(t)$が観測可能であること、および将来の共変量値や事象情報に依存しない非先行性が仮定されます。内因性共変量については疾患進行に伴う逆因果性の問題により、$exp(hat{boldsymbol{beta}})$を因果効果として解釈できません。また未来の測定値を現在のリスク計算に使用することは部分尤度の正当性を損ないます。
カウントプロセス定式化：時変モデルの数理的基盤
時変共変量Coxモデルの数学的正当性はカウントプロセス理論によって確立されます。個人$i$に対してカウントプロセスを
$$N_i(t) = I(T_i leq t,;Delta_i...
11. Coxモデルの変数選択と診断：残差・影響点分析
Coxモデル診断の目的と残差の基本概念
通常の線形回帰では、残差は観測値と予測値の差として直接定義されます。しかし生存時間解析では、打ち切り観測について真のイベント時刻が確認されないため、同様の定義を適用できません。打ち切り観測が含まれる状況で残差をどのように定義するかが、Coxモデル診断における根本的な課題です。
Coxモデルの部分尤度対数 $ell_p(beta)$ は次の形をとります。
$$
ell_p(beta) = sum_{i:,delta_i=1} left
$$
ここで $R(t_i)$ は時点 $t_i$...
10. 比例ハザード仮定の検証と診断：Schoenfeld残差
比例ハザード仮定の概要と重要性
Coxの比例ハザードモデルは、個体$i$のハザード関数を基準ハザード関数と共変量効果の乗法構造として
$$h_i(t) = h_0(t)exp(mathbf{x}_i^topboldsymbol{beta})$$
と定義します。$h_0(t)$は全個体に共通する基準ハザード関数であり、$exp(mathbf{x}_i^topboldsymbol{beta})$は共変量の線形結合に基づく乗法的効果です。2個体$i$と$j$のハザード比は
$$frac{h_i(t)}{h_j(t)} = expleft((mathbf{x}_i - mathbf{x}_j)^topboldsymbol{beta}right)$$
となり、右辺に時間$t$が含まれないため、ハザード比はすべての時点で同一の値をとります。これが比例ハザード仮定の核心であり、モデルの識別可能性を支える構造的前提です。
仮定違反は主に2つのパターンに分類されます。単調変化型では、治療効果が追跡期間にわたって増大または減少し、ハザード比が時間とともに単調に変化します。交差ハザード型では、2群のハザード曲線が途中で交差し、介入効果が初期と後期で逆転します。後者は免疫療法における遅延効果や晩期毒性が顕在化する臨床試験において観察されます。また薬効の時間的減衰により初期に高いハザード比が後期に低下するパターンも臨床上の典型例です。
PH仮定が違反されると、偏尤度推定から得られる$hat{boldsymbol{beta}}$は時間平均化されたバイアスのある推定値となります。交差ハザード型では相殺効果によってログランク検定やCox検定の検出力が著しく低下するため、誤った陰性結論につながるリスクがあります。
本手法の適用には、打ち切りが非情報的であること、すなわち打ち切り時点のタイミングがイベント発生確率と独立であることを前提とします。
比例ハザード仮定は観察研究や長期追跡を伴う臨床試験において頻繁に違反されることが知られており、分析開始前の系統的な診断が不可欠です。
Schoenfeld残差の定義と統計的性質
偏尤度推定における各イベント時刻では、リスク集合の中からイベントを経験した個体が選ばれる条件付き確率が偏尤度の構成要素となります。イベント時刻$t_k$におけるSchoenfeld残差$hat{r}_k$は、実際にイベントを経験した個体の共変量ベクトル$mathbf{x}_{(k)}$と、リスク集合$mathcal{R}_k$における共変量の条件付き期待値$hat{E}$の差として
$$hat{r}_k = mathbf{x}_{(k)}...
9. 部分尤度：Cox モデルの推定理論
部分尤度の動機と統計的位置づけ
Cox比例ハザードモデルは、ハザード関数を乗法構造
$$
h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x})
$$
として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。
完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。
この問題に対し、完全尤度を概念的に
$$
L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta})
$$
と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。
部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。
部分尤度関数の定義と構造
$n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を
$$
t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
セミパラメトリック構造の動機：なぜCoxモデルが必要か
生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて
$$
h(t) = frac{f(t)}{S(t)}
$$
と定義されます。$h(t)$...
Celebrity
12. 時変共変量：動的リスク因子のCoxモデルへの組み込み
時変共変量とは何か：静的モデルの限界と動的拡張の必要性
標準的な比例ハザードモデルは共変量ベクトル$boldsymbol{Z}$をベースライン時点で固定し、$h(t|boldsymbol{Z}) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z})$を仮定します。しかし血圧・免疫マーカー・治療状況のように追跡期間中に変化するリスク因子が存在する場合、登録時固定コホートデータに基づくモデルは共変量の変動を捉えられず、推定に系統的な誤差が生じます。時変共変量の拡張モデルでは$boldsymbol{Z}$を時点$t$の関数$boldsymbol{Z}(t)$に置き換えることで動的リスク因子を定式化します。
$$h(t|boldsymbol{Z}(t)) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z}(t))$$
静的モデルでは$boldsymbol{Z}$が時点によらず定数であるのに対し、動的モデルでは$boldsymbol{Z}(t)$が各失敗時刻で更新されます。この形式的な差異は部分尤度の構成とリスク集合の定義を根本的に変えます。
時変共変量は外因性と内因性の2種類に区別されます。外因性時変共変量は将来の軌跡が生存時間$T$と過去の観測条件付きで独立であるものを指し、治療割り当ての変更・季節変動・環境暴露が該当します。内因性時変共変量は疾患過程自体が生成するものであり、バイオマーカー・症状スコア・臓器機能値がこれにあたります。この区別は因果解釈の可否を決定します。
各時点$t$における$boldsymbol{Z}(t)$が観測可能であること、および将来の共変量値や事象情報に依存しない非先行性が仮定されます。内因性共変量については疾患進行に伴う逆因果性の問題により、$exp(hat{boldsymbol{beta}})$を因果効果として解釈できません。また未来の測定値を現在のリスク計算に使用することは部分尤度の正当性を損ないます。
カウントプロセス定式化：時変モデルの数理的基盤
時変共変量Coxモデルの数学的正当性はカウントプロセス理論によって確立されます。個人$i$に対してカウントプロセスを
$$N_i(t) = I(T_i leq t,;Delta_i...
11. Coxモデルの変数選択と診断：残差・影響点分析
Coxモデル診断の目的と残差の基本概念
通常の線形回帰では、残差は観測値と予測値の差として直接定義されます。しかし生存時間解析では、打ち切り観測について真のイベント時刻が確認されないため、同様の定義を適用できません。打ち切り観測が含まれる状況で残差をどのように定義するかが、Coxモデル診断における根本的な課題です。
Coxモデルの部分尤度対数 $ell_p(beta)$ は次の形をとります。
$$
ell_p(beta) = sum_{i:,delta_i=1} left
$$
ここで $R(t_i)$ は時点 $t_i$...
10. 比例ハザード仮定の検証と診断：Schoenfeld残差
比例ハザード仮定の概要と重要性
Coxの比例ハザードモデルは、個体$i$のハザード関数を基準ハザード関数と共変量効果の乗法構造として
$$h_i(t) = h_0(t)exp(mathbf{x}_i^topboldsymbol{beta})$$
と定義します。$h_0(t)$は全個体に共通する基準ハザード関数であり、$exp(mathbf{x}_i^topboldsymbol{beta})$は共変量の線形結合に基づく乗法的効果です。2個体$i$と$j$のハザード比は
$$frac{h_i(t)}{h_j(t)} = expleft((mathbf{x}_i - mathbf{x}_j)^topboldsymbol{beta}right)$$
となり、右辺に時間$t$が含まれないため、ハザード比はすべての時点で同一の値をとります。これが比例ハザード仮定の核心であり、モデルの識別可能性を支える構造的前提です。
仮定違反は主に2つのパターンに分類されます。単調変化型では、治療効果が追跡期間にわたって増大または減少し、ハザード比が時間とともに単調に変化します。交差ハザード型では、2群のハザード曲線が途中で交差し、介入効果が初期と後期で逆転します。後者は免疫療法における遅延効果や晩期毒性が顕在化する臨床試験において観察されます。また薬効の時間的減衰により初期に高いハザード比が後期に低下するパターンも臨床上の典型例です。
PH仮定が違反されると、偏尤度推定から得られる$hat{boldsymbol{beta}}$は時間平均化されたバイアスのある推定値となります。交差ハザード型では相殺効果によってログランク検定やCox検定の検出力が著しく低下するため、誤った陰性結論につながるリスクがあります。
本手法の適用には、打ち切りが非情報的であること、すなわち打ち切り時点のタイミングがイベント発生確率と独立であることを前提とします。
比例ハザード仮定は観察研究や長期追跡を伴う臨床試験において頻繁に違反されることが知られており、分析開始前の系統的な診断が不可欠です。
Schoenfeld残差の定義と統計的性質
偏尤度推定における各イベント時刻では、リスク集合の中からイベントを経験した個体が選ばれる条件付き確率が偏尤度の構成要素となります。イベント時刻$t_k$におけるSchoenfeld残差$hat{r}_k$は、実際にイベントを経験した個体の共変量ベクトル$mathbf{x}_{(k)}$と、リスク集合$mathcal{R}_k$における共変量の条件付き期待値$hat{E}$の差として
$$hat{r}_k = mathbf{x}_{(k)}...
9. 部分尤度：Cox モデルの推定理論
部分尤度の動機と統計的位置づけ
Cox比例ハザードモデルは、ハザード関数を乗法構造
$$
h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x})
$$
として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。
完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。
この問題に対し、完全尤度を概念的に
$$
L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta})
$$
と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。
部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。
部分尤度関数の定義と構造
$n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を
$$
t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
セミパラメトリック構造の動機：なぜCoxモデルが必要か
生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて
$$
h(t) = frac{f(t)}{S(t)}
$$
と定義されます。$h(t)$...
Scandals
12. 時変共変量：動的リスク因子のCoxモデルへの組み込み
時変共変量とは何か：静的モデルの限界と動的拡張の必要性
標準的な比例ハザードモデルは共変量ベクトル$boldsymbol{Z}$をベースライン時点で固定し、$h(t|boldsymbol{Z}) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z})$を仮定します。しかし血圧・免疫マーカー・治療状況のように追跡期間中に変化するリスク因子が存在する場合、登録時固定コホートデータに基づくモデルは共変量の変動を捉えられず、推定に系統的な誤差が生じます。時変共変量の拡張モデルでは$boldsymbol{Z}$を時点$t$の関数$boldsymbol{Z}(t)$に置き換えることで動的リスク因子を定式化します。
$$h(t|boldsymbol{Z}(t)) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z}(t))$$
静的モデルでは$boldsymbol{Z}$が時点によらず定数であるのに対し、動的モデルでは$boldsymbol{Z}(t)$が各失敗時刻で更新されます。この形式的な差異は部分尤度の構成とリスク集合の定義を根本的に変えます。
時変共変量は外因性と内因性の2種類に区別されます。外因性時変共変量は将来の軌跡が生存時間$T$と過去の観測条件付きで独立であるものを指し、治療割り当ての変更・季節変動・環境暴露が該当します。内因性時変共変量は疾患過程自体が生成するものであり、バイオマーカー・症状スコア・臓器機能値がこれにあたります。この区別は因果解釈の可否を決定します。
各時点$t$における$boldsymbol{Z}(t)$が観測可能であること、および将来の共変量値や事象情報に依存しない非先行性が仮定されます。内因性共変量については疾患進行に伴う逆因果性の問題により、$exp(hat{boldsymbol{beta}})$を因果効果として解釈できません。また未来の測定値を現在のリスク計算に使用することは部分尤度の正当性を損ないます。
カウントプロセス定式化：時変モデルの数理的基盤
時変共変量Coxモデルの数学的正当性はカウントプロセス理論によって確立されます。個人$i$に対してカウントプロセスを
$$N_i(t) = I(T_i leq t,;Delta_i...
11. Coxモデルの変数選択と診断：残差・影響点分析
Coxモデル診断の目的と残差の基本概念
通常の線形回帰では、残差は観測値と予測値の差として直接定義されます。しかし生存時間解析では、打ち切り観測について真のイベント時刻が確認されないため、同様の定義を適用できません。打ち切り観測が含まれる状況で残差をどのように定義するかが、Coxモデル診断における根本的な課題です。
Coxモデルの部分尤度対数 $ell_p(beta)$ は次の形をとります。
$$
ell_p(beta) = sum_{i:,delta_i=1} left
$$
ここで $R(t_i)$ は時点 $t_i$...
10. 比例ハザード仮定の検証と診断：Schoenfeld残差
比例ハザード仮定の概要と重要性
Coxの比例ハザードモデルは、個体$i$のハザード関数を基準ハザード関数と共変量効果の乗法構造として
$$h_i(t) = h_0(t)exp(mathbf{x}_i^topboldsymbol{beta})$$
と定義します。$h_0(t)$は全個体に共通する基準ハザード関数であり、$exp(mathbf{x}_i^topboldsymbol{beta})$は共変量の線形結合に基づく乗法的効果です。2個体$i$と$j$のハザード比は
$$frac{h_i(t)}{h_j(t)} = expleft((mathbf{x}_i - mathbf{x}_j)^topboldsymbol{beta}right)$$
となり、右辺に時間$t$が含まれないため、ハザード比はすべての時点で同一の値をとります。これが比例ハザード仮定の核心であり、モデルの識別可能性を支える構造的前提です。
仮定違反は主に2つのパターンに分類されます。単調変化型では、治療効果が追跡期間にわたって増大または減少し、ハザード比が時間とともに単調に変化します。交差ハザード型では、2群のハザード曲線が途中で交差し、介入効果が初期と後期で逆転します。後者は免疫療法における遅延効果や晩期毒性が顕在化する臨床試験において観察されます。また薬効の時間的減衰により初期に高いハザード比が後期に低下するパターンも臨床上の典型例です。
PH仮定が違反されると、偏尤度推定から得られる$hat{boldsymbol{beta}}$は時間平均化されたバイアスのある推定値となります。交差ハザード型では相殺効果によってログランク検定やCox検定の検出力が著しく低下するため、誤った陰性結論につながるリスクがあります。
本手法の適用には、打ち切りが非情報的であること、すなわち打ち切り時点のタイミングがイベント発生確率と独立であることを前提とします。
比例ハザード仮定は観察研究や長期追跡を伴う臨床試験において頻繁に違反されることが知られており、分析開始前の系統的な診断が不可欠です。
Schoenfeld残差の定義と統計的性質
偏尤度推定における各イベント時刻では、リスク集合の中からイベントを経験した個体が選ばれる条件付き確率が偏尤度の構成要素となります。イベント時刻$t_k$におけるSchoenfeld残差$hat{r}_k$は、実際にイベントを経験した個体の共変量ベクトル$mathbf{x}_{(k)}$と、リスク集合$mathcal{R}_k$における共変量の条件付き期待値$hat{E}$の差として
$$hat{r}_k = mathbf{x}_{(k)}...
9. 部分尤度：Cox モデルの推定理論
部分尤度の動機と統計的位置づけ
Cox比例ハザードモデルは、ハザード関数を乗法構造
$$
h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x})
$$
として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。
完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。
この問題に対し、完全尤度を概念的に
$$
L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta})
$$
と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。
部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。
部分尤度関数の定義と構造
$n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を
$$
t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
セミパラメトリック構造の動機：なぜCoxモデルが必要か
生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて
$$
h(t) = frac{f(t)}{S(t)}
$$
と定義されます。$h(t)$...
Drama
12. 時変共変量：動的リスク因子のCoxモデルへの組み込み
時変共変量とは何か：静的モデルの限界と動的拡張の必要性
標準的な比例ハザードモデルは共変量ベクトル$boldsymbol{Z}$をベースライン時点で固定し、$h(t|boldsymbol{Z}) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z})$を仮定します。しかし血圧・免疫マーカー・治療状況のように追跡期間中に変化するリスク因子が存在する場合、登録時固定コホートデータに基づくモデルは共変量の変動を捉えられず、推定に系統的な誤差が生じます。時変共変量の拡張モデルでは$boldsymbol{Z}$を時点$t$の関数$boldsymbol{Z}(t)$に置き換えることで動的リスク因子を定式化します。
$$h(t|boldsymbol{Z}(t)) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z}(t))$$
静的モデルでは$boldsymbol{Z}$が時点によらず定数であるのに対し、動的モデルでは$boldsymbol{Z}(t)$が各失敗時刻で更新されます。この形式的な差異は部分尤度の構成とリスク集合の定義を根本的に変えます。
時変共変量は外因性と内因性の2種類に区別されます。外因性時変共変量は将来の軌跡が生存時間$T$と過去の観測条件付きで独立であるものを指し、治療割り当ての変更・季節変動・環境暴露が該当します。内因性時変共変量は疾患過程自体が生成するものであり、バイオマーカー・症状スコア・臓器機能値がこれにあたります。この区別は因果解釈の可否を決定します。
各時点$t$における$boldsymbol{Z}(t)$が観測可能であること、および将来の共変量値や事象情報に依存しない非先行性が仮定されます。内因性共変量については疾患進行に伴う逆因果性の問題により、$exp(hat{boldsymbol{beta}})$を因果効果として解釈できません。また未来の測定値を現在のリスク計算に使用することは部分尤度の正当性を損ないます。
カウントプロセス定式化：時変モデルの数理的基盤
時変共変量Coxモデルの数学的正当性はカウントプロセス理論によって確立されます。個人$i$に対してカウントプロセスを
$$N_i(t) = I(T_i leq t,;Delta_i...
11. Coxモデルの変数選択と診断：残差・影響点分析
Coxモデル診断の目的と残差の基本概念
通常の線形回帰では、残差は観測値と予測値の差として直接定義されます。しかし生存時間解析では、打ち切り観測について真のイベント時刻が確認されないため、同様の定義を適用できません。打ち切り観測が含まれる状況で残差をどのように定義するかが、Coxモデル診断における根本的な課題です。
Coxモデルの部分尤度対数 $ell_p(beta)$ は次の形をとります。
$$
ell_p(beta) = sum_{i:,delta_i=1} left
$$
ここで $R(t_i)$ は時点 $t_i$...
10. 比例ハザード仮定の検証と診断：Schoenfeld残差
比例ハザード仮定の概要と重要性
Coxの比例ハザードモデルは、個体$i$のハザード関数を基準ハザード関数と共変量効果の乗法構造として
$$h_i(t) = h_0(t)exp(mathbf{x}_i^topboldsymbol{beta})$$
と定義します。$h_0(t)$は全個体に共通する基準ハザード関数であり、$exp(mathbf{x}_i^topboldsymbol{beta})$は共変量の線形結合に基づく乗法的効果です。2個体$i$と$j$のハザード比は
$$frac{h_i(t)}{h_j(t)} = expleft((mathbf{x}_i - mathbf{x}_j)^topboldsymbol{beta}right)$$
となり、右辺に時間$t$が含まれないため、ハザード比はすべての時点で同一の値をとります。これが比例ハザード仮定の核心であり、モデルの識別可能性を支える構造的前提です。
仮定違反は主に2つのパターンに分類されます。単調変化型では、治療効果が追跡期間にわたって増大または減少し、ハザード比が時間とともに単調に変化します。交差ハザード型では、2群のハザード曲線が途中で交差し、介入効果が初期と後期で逆転します。後者は免疫療法における遅延効果や晩期毒性が顕在化する臨床試験において観察されます。また薬効の時間的減衰により初期に高いハザード比が後期に低下するパターンも臨床上の典型例です。
PH仮定が違反されると、偏尤度推定から得られる$hat{boldsymbol{beta}}$は時間平均化されたバイアスのある推定値となります。交差ハザード型では相殺効果によってログランク検定やCox検定の検出力が著しく低下するため、誤った陰性結論につながるリスクがあります。
本手法の適用には、打ち切りが非情報的であること、すなわち打ち切り時点のタイミングがイベント発生確率と独立であることを前提とします。
比例ハザード仮定は観察研究や長期追跡を伴う臨床試験において頻繁に違反されることが知られており、分析開始前の系統的な診断が不可欠です。
Schoenfeld残差の定義と統計的性質
偏尤度推定における各イベント時刻では、リスク集合の中からイベントを経験した個体が選ばれる条件付き確率が偏尤度の構成要素となります。イベント時刻$t_k$におけるSchoenfeld残差$hat{r}_k$は、実際にイベントを経験した個体の共変量ベクトル$mathbf{x}_{(k)}$と、リスク集合$mathcal{R}_k$における共変量の条件付き期待値$hat{E}$の差として
$$hat{r}_k = mathbf{x}_{(k)}...
9. 部分尤度：Cox モデルの推定理論
部分尤度の動機と統計的位置づけ
Cox比例ハザードモデルは、ハザード関数を乗法構造
$$
h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x})
$$
として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。
完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。
この問題に対し、完全尤度を概念的に
$$
L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta})
$$
と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。
部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。
部分尤度関数の定義と構造
$n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を
$$
t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
セミパラメトリック構造の動機：なぜCoxモデルが必要か
生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて
$$
h(t) = frac{f(t)}{S(t)}
$$
と定義されます。$h(t)$...
Lifestyle
12. 時変共変量：動的リスク因子のCoxモデルへの組み込み
時変共変量とは何か：静的モデルの限界と動的拡張の必要性
標準的な比例ハザードモデルは共変量ベクトル$boldsymbol{Z}$をベースライン時点で固定し、$h(t|boldsymbol{Z}) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z})$を仮定します。しかし血圧・免疫マーカー・治療状況のように追跡期間中に変化するリスク因子が存在する場合、登録時固定コホートデータに基づくモデルは共変量の変動を捉えられず、推定に系統的な誤差が生じます。時変共変量の拡張モデルでは$boldsymbol{Z}$を時点$t$の関数$boldsymbol{Z}(t)$に置き換えることで動的リスク因子を定式化します。
$$h(t|boldsymbol{Z}(t)) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z}(t))$$
静的モデルでは$boldsymbol{Z}$が時点によらず定数であるのに対し、動的モデルでは$boldsymbol{Z}(t)$が各失敗時刻で更新されます。この形式的な差異は部分尤度の構成とリスク集合の定義を根本的に変えます。
時変共変量は外因性と内因性の2種類に区別されます。外因性時変共変量は将来の軌跡が生存時間$T$と過去の観測条件付きで独立であるものを指し、治療割り当ての変更・季節変動・環境暴露が該当します。内因性時変共変量は疾患過程自体が生成するものであり、バイオマーカー・症状スコア・臓器機能値がこれにあたります。この区別は因果解釈の可否を決定します。
各時点$t$における$boldsymbol{Z}(t)$が観測可能であること、および将来の共変量値や事象情報に依存しない非先行性が仮定されます。内因性共変量については疾患進行に伴う逆因果性の問題により、$exp(hat{boldsymbol{beta}})$を因果効果として解釈できません。また未来の測定値を現在のリスク計算に使用することは部分尤度の正当性を損ないます。
カウントプロセス定式化：時変モデルの数理的基盤
時変共変量Coxモデルの数学的正当性はカウントプロセス理論によって確立されます。個人$i$に対してカウントプロセスを
$$N_i(t) = I(T_i leq t,;Delta_i...
11. Coxモデルの変数選択と診断：残差・影響点分析
Coxモデル診断の目的と残差の基本概念
通常の線形回帰では、残差は観測値と予測値の差として直接定義されます。しかし生存時間解析では、打ち切り観測について真のイベント時刻が確認されないため、同様の定義を適用できません。打ち切り観測が含まれる状況で残差をどのように定義するかが、Coxモデル診断における根本的な課題です。
Coxモデルの部分尤度対数 $ell_p(beta)$ は次の形をとります。
$$
ell_p(beta) = sum_{i:,delta_i=1} left
$$
ここで $R(t_i)$ は時点 $t_i$...
10. 比例ハザード仮定の検証と診断：Schoenfeld残差
比例ハザード仮定の概要と重要性
Coxの比例ハザードモデルは、個体$i$のハザード関数を基準ハザード関数と共変量効果の乗法構造として
$$h_i(t) = h_0(t)exp(mathbf{x}_i^topboldsymbol{beta})$$
と定義します。$h_0(t)$は全個体に共通する基準ハザード関数であり、$exp(mathbf{x}_i^topboldsymbol{beta})$は共変量の線形結合に基づく乗法的効果です。2個体$i$と$j$のハザード比は
$$frac{h_i(t)}{h_j(t)} = expleft((mathbf{x}_i - mathbf{x}_j)^topboldsymbol{beta}right)$$
となり、右辺に時間$t$が含まれないため、ハザード比はすべての時点で同一の値をとります。これが比例ハザード仮定の核心であり、モデルの識別可能性を支える構造的前提です。
仮定違反は主に2つのパターンに分類されます。単調変化型では、治療効果が追跡期間にわたって増大または減少し、ハザード比が時間とともに単調に変化します。交差ハザード型では、2群のハザード曲線が途中で交差し、介入効果が初期と後期で逆転します。後者は免疫療法における遅延効果や晩期毒性が顕在化する臨床試験において観察されます。また薬効の時間的減衰により初期に高いハザード比が後期に低下するパターンも臨床上の典型例です。
PH仮定が違反されると、偏尤度推定から得られる$hat{boldsymbol{beta}}$は時間平均化されたバイアスのある推定値となります。交差ハザード型では相殺効果によってログランク検定やCox検定の検出力が著しく低下するため、誤った陰性結論につながるリスクがあります。
本手法の適用には、打ち切りが非情報的であること、すなわち打ち切り時点のタイミングがイベント発生確率と独立であることを前提とします。
比例ハザード仮定は観察研究や長期追跡を伴う臨床試験において頻繁に違反されることが知られており、分析開始前の系統的な診断が不可欠です。
Schoenfeld残差の定義と統計的性質
偏尤度推定における各イベント時刻では、リスク集合の中からイベントを経験した個体が選ばれる条件付き確率が偏尤度の構成要素となります。イベント時刻$t_k$におけるSchoenfeld残差$hat{r}_k$は、実際にイベントを経験した個体の共変量ベクトル$mathbf{x}_{(k)}$と、リスク集合$mathcal{R}_k$における共変量の条件付き期待値$hat{E}$の差として
$$hat{r}_k = mathbf{x}_{(k)}...
9. 部分尤度：Cox モデルの推定理論
部分尤度の動機と統計的位置づけ
Cox比例ハザードモデルは、ハザード関数を乗法構造
$$
h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x})
$$
として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。
完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。
この問題に対し、完全尤度を概念的に
$$
L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta})
$$
と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。
部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。
部分尤度関数の定義と構造
$n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を
$$
t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
セミパラメトリック構造の動機：なぜCoxモデルが必要か
生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて
$$
h(t) = frac{f(t)}{S(t)}
$$
と定義されます。$h(t)$...
Health
12. 時変共変量：動的リスク因子のCoxモデルへの組み込み
時変共変量とは何か：静的モデルの限界と動的拡張の必要性
標準的な比例ハザードモデルは共変量ベクトル$boldsymbol{Z}$をベースライン時点で固定し、$h(t|boldsymbol{Z}) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z})$を仮定します。しかし血圧・免疫マーカー・治療状況のように追跡期間中に変化するリスク因子が存在する場合、登録時固定コホートデータに基づくモデルは共変量の変動を捉えられず、推定に系統的な誤差が生じます。時変共変量の拡張モデルでは$boldsymbol{Z}$を時点$t$の関数$boldsymbol{Z}(t)$に置き換えることで動的リスク因子を定式化します。
$$h(t|boldsymbol{Z}(t)) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z}(t))$$
静的モデルでは$boldsymbol{Z}$が時点によらず定数であるのに対し、動的モデルでは$boldsymbol{Z}(t)$が各失敗時刻で更新されます。この形式的な差異は部分尤度の構成とリスク集合の定義を根本的に変えます。
時変共変量は外因性と内因性の2種類に区別されます。外因性時変共変量は将来の軌跡が生存時間$T$と過去の観測条件付きで独立であるものを指し、治療割り当ての変更・季節変動・環境暴露が該当します。内因性時変共変量は疾患過程自体が生成するものであり、バイオマーカー・症状スコア・臓器機能値がこれにあたります。この区別は因果解釈の可否を決定します。
各時点$t$における$boldsymbol{Z}(t)$が観測可能であること、および将来の共変量値や事象情報に依存しない非先行性が仮定されます。内因性共変量については疾患進行に伴う逆因果性の問題により、$exp(hat{boldsymbol{beta}})$を因果効果として解釈できません。また未来の測定値を現在のリスク計算に使用することは部分尤度の正当性を損ないます。
カウントプロセス定式化：時変モデルの数理的基盤
時変共変量Coxモデルの数学的正当性はカウントプロセス理論によって確立されます。個人$i$に対してカウントプロセスを
$$N_i(t) = I(T_i leq t,;Delta_i...
11. Coxモデルの変数選択と診断：残差・影響点分析
Coxモデル診断の目的と残差の基本概念
通常の線形回帰では、残差は観測値と予測値の差として直接定義されます。しかし生存時間解析では、打ち切り観測について真のイベント時刻が確認されないため、同様の定義を適用できません。打ち切り観測が含まれる状況で残差をどのように定義するかが、Coxモデル診断における根本的な課題です。
Coxモデルの部分尤度対数 $ell_p(beta)$ は次の形をとります。
$$
ell_p(beta) = sum_{i:,delta_i=1} left
$$
ここで $R(t_i)$ は時点 $t_i$...
10. 比例ハザード仮定の検証と診断：Schoenfeld残差
比例ハザード仮定の概要と重要性
Coxの比例ハザードモデルは、個体$i$のハザード関数を基準ハザード関数と共変量効果の乗法構造として
$$h_i(t) = h_0(t)exp(mathbf{x}_i^topboldsymbol{beta})$$
と定義します。$h_0(t)$は全個体に共通する基準ハザード関数であり、$exp(mathbf{x}_i^topboldsymbol{beta})$は共変量の線形結合に基づく乗法的効果です。2個体$i$と$j$のハザード比は
$$frac{h_i(t)}{h_j(t)} = expleft((mathbf{x}_i - mathbf{x}_j)^topboldsymbol{beta}right)$$
となり、右辺に時間$t$が含まれないため、ハザード比はすべての時点で同一の値をとります。これが比例ハザード仮定の核心であり、モデルの識別可能性を支える構造的前提です。
仮定違反は主に2つのパターンに分類されます。単調変化型では、治療効果が追跡期間にわたって増大または減少し、ハザード比が時間とともに単調に変化します。交差ハザード型では、2群のハザード曲線が途中で交差し、介入効果が初期と後期で逆転します。後者は免疫療法における遅延効果や晩期毒性が顕在化する臨床試験において観察されます。また薬効の時間的減衰により初期に高いハザード比が後期に低下するパターンも臨床上の典型例です。
PH仮定が違反されると、偏尤度推定から得られる$hat{boldsymbol{beta}}$は時間平均化されたバイアスのある推定値となります。交差ハザード型では相殺効果によってログランク検定やCox検定の検出力が著しく低下するため、誤った陰性結論につながるリスクがあります。
本手法の適用には、打ち切りが非情報的であること、すなわち打ち切り時点のタイミングがイベント発生確率と独立であることを前提とします。
比例ハザード仮定は観察研究や長期追跡を伴う臨床試験において頻繁に違反されることが知られており、分析開始前の系統的な診断が不可欠です。
Schoenfeld残差の定義と統計的性質
偏尤度推定における各イベント時刻では、リスク集合の中からイベントを経験した個体が選ばれる条件付き確率が偏尤度の構成要素となります。イベント時刻$t_k$におけるSchoenfeld残差$hat{r}_k$は、実際にイベントを経験した個体の共変量ベクトル$mathbf{x}_{(k)}$と、リスク集合$mathcal{R}_k$における共変量の条件付き期待値$hat{E}$の差として
$$hat{r}_k = mathbf{x}_{(k)}...
9. 部分尤度：Cox モデルの推定理論
部分尤度の動機と統計的位置づけ
Cox比例ハザードモデルは、ハザード関数を乗法構造
$$
h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x})
$$
として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。
完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。
この問題に対し、完全尤度を概念的に
$$
L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta})
$$
と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。
部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。
部分尤度関数の定義と構造
$n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を
$$
t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
セミパラメトリック構造の動機：なぜCoxモデルが必要か
生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて
$$
h(t) = frac{f(t)}{S(t)}
$$
と定義されます。$h(t)$...
Technology
12. 時変共変量：動的リスク因子のCoxモデルへの組み込み
時変共変量とは何か：静的モデルの限界と動的拡張の必要性
標準的な比例ハザードモデルは共変量ベクトル$boldsymbol{Z}$をベースライン時点で固定し、$h(t|boldsymbol{Z}) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z})$を仮定します。しかし血圧・免疫マーカー・治療状況のように追跡期間中に変化するリスク因子が存在する場合、登録時固定コホートデータに基づくモデルは共変量の変動を捉えられず、推定に系統的な誤差が生じます。時変共変量の拡張モデルでは$boldsymbol{Z}$を時点$t$の関数$boldsymbol{Z}(t)$に置き換えることで動的リスク因子を定式化します。
$$h(t|boldsymbol{Z}(t)) = h_0(t)exp(boldsymbol{beta}'boldsymbol{Z}(t))$$
静的モデルでは$boldsymbol{Z}$が時点によらず定数であるのに対し、動的モデルでは$boldsymbol{Z}(t)$が各失敗時刻で更新されます。この形式的な差異は部分尤度の構成とリスク集合の定義を根本的に変えます。
時変共変量は外因性と内因性の2種類に区別されます。外因性時変共変量は将来の軌跡が生存時間$T$と過去の観測条件付きで独立であるものを指し、治療割り当ての変更・季節変動・環境暴露が該当します。内因性時変共変量は疾患過程自体が生成するものであり、バイオマーカー・症状スコア・臓器機能値がこれにあたります。この区別は因果解釈の可否を決定します。
各時点$t$における$boldsymbol{Z}(t)$が観測可能であること、および将来の共変量値や事象情報に依存しない非先行性が仮定されます。内因性共変量については疾患進行に伴う逆因果性の問題により、$exp(hat{boldsymbol{beta}})$を因果効果として解釈できません。また未来の測定値を現在のリスク計算に使用することは部分尤度の正当性を損ないます。
カウントプロセス定式化：時変モデルの数理的基盤
時変共変量Coxモデルの数学的正当性はカウントプロセス理論によって確立されます。個人$i$に対してカウントプロセスを
$$N_i(t) = I(T_i leq t,;Delta_i...
11. Coxモデルの変数選択と診断：残差・影響点分析
Coxモデル診断の目的と残差の基本概念
通常の線形回帰では、残差は観測値と予測値の差として直接定義されます。しかし生存時間解析では、打ち切り観測について真のイベント時刻が確認されないため、同様の定義を適用できません。打ち切り観測が含まれる状況で残差をどのように定義するかが、Coxモデル診断における根本的な課題です。
Coxモデルの部分尤度対数 $ell_p(beta)$ は次の形をとります。
$$
ell_p(beta) = sum_{i:,delta_i=1} left
$$
ここで $R(t_i)$ は時点 $t_i$...
10. 比例ハザード仮定の検証と診断：Schoenfeld残差
比例ハザード仮定の概要と重要性
Coxの比例ハザードモデルは、個体$i$のハザード関数を基準ハザード関数と共変量効果の乗法構造として
$$h_i(t) = h_0(t)exp(mathbf{x}_i^topboldsymbol{beta})$$
と定義します。$h_0(t)$は全個体に共通する基準ハザード関数であり、$exp(mathbf{x}_i^topboldsymbol{beta})$は共変量の線形結合に基づく乗法的効果です。2個体$i$と$j$のハザード比は
$$frac{h_i(t)}{h_j(t)} = expleft((mathbf{x}_i - mathbf{x}_j)^topboldsymbol{beta}right)$$
となり、右辺に時間$t$が含まれないため、ハザード比はすべての時点で同一の値をとります。これが比例ハザード仮定の核心であり、モデルの識別可能性を支える構造的前提です。
仮定違反は主に2つのパターンに分類されます。単調変化型では、治療効果が追跡期間にわたって増大または減少し、ハザード比が時間とともに単調に変化します。交差ハザード型では、2群のハザード曲線が途中で交差し、介入効果が初期と後期で逆転します。後者は免疫療法における遅延効果や晩期毒性が顕在化する臨床試験において観察されます。また薬効の時間的減衰により初期に高いハザード比が後期に低下するパターンも臨床上の典型例です。
PH仮定が違反されると、偏尤度推定から得られる$hat{boldsymbol{beta}}$は時間平均化されたバイアスのある推定値となります。交差ハザード型では相殺効果によってログランク検定やCox検定の検出力が著しく低下するため、誤った陰性結論につながるリスクがあります。
本手法の適用には、打ち切りが非情報的であること、すなわち打ち切り時点のタイミングがイベント発生確率と独立であることを前提とします。
比例ハザード仮定は観察研究や長期追跡を伴う臨床試験において頻繁に違反されることが知られており、分析開始前の系統的な診断が不可欠です。
Schoenfeld残差の定義と統計的性質
偏尤度推定における各イベント時刻では、リスク集合の中からイベントを経験した個体が選ばれる条件付き確率が偏尤度の構成要素となります。イベント時刻$t_k$におけるSchoenfeld残差$hat{r}_k$は、実際にイベントを経験した個体の共変量ベクトル$mathbf{x}_{(k)}$と、リスク集合$mathcal{R}_k$における共変量の条件付き期待値$hat{E}$の差として
$$hat{r}_k = mathbf{x}_{(k)}...
9. 部分尤度：Cox モデルの推定理論
部分尤度の動機と統計的位置づけ
Cox比例ハザードモデルは、ハザード関数を乗法構造
$$
h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x})
$$
として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。
完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。
この問題に対し、完全尤度を概念的に
$$
L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta})
$$
と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。
部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。
部分尤度関数の定義と構造
$n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を
$$
t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
セミパラメトリック構造の動機：なぜCoxモデルが必要か
生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて
$$
h(t) = frac{f(t)}{S(t)}
$$
と定義されます。$h(t)$...
i DataScience
現代データサイエンスの基礎と実践
よく読まれる記事（週間）
人気の記事
© i DataScience. All Rights Reserved.