2群の生存時間を比べた解析でハザード比0.7と95%信頼区間が報告された時、この数字から「治療群は生存期間が1/0.7、つまり約1.43倍に延びた」と書き換えたくなりますが、この読み替えが成り立つのはハザードが時間によらず一定という特別な場合に限られます。対照群の中央生存期間が12か月でハザード比が0.7という同じ条件でも、ハザードの形が異なれば、中央生存期間は2か月しか延びないこともあれば、10か月以上延びることもあります。
ハザード比が持たない時間の単位
ハザード比は、ある時点まで生存している対象者について、その直後にイベントが起きる瞬間的な速さを2群で比べた値です。定義そのものはハザード比とは何か:リスク比との違いで、0.7という値で何が30%減るのかはハザード比0.7の意味:30%減は何が減るのかで扱っており、この記事ではその比が生存期間の長さとどう結びつくかに絞ります。
この結びつきを考える上で押さえたいのは、ハザード比が月や年といった時間の単位を持たない無次元の量だという点で、比例ハザードの仮定のもとでは、生存関数の間に $S_1(t) = S_0(t)^{\mathrm{HR}}$ という関係が成り立ちますが、ここから生存期間が何か月延びるかを求めるには、対照群の生存関数 $S_0(t)$ がどのような形をしているかという情報が別に必要になります。生存関数とハザード関数の対応は【医療統計版】生存関数とハザード関数:ハザード比の正しい読み方に詳しく書いています。
一定のハザードなら中央値の比は1/HR
最も単純な場合として、対照群のハザードが時間によらず一定の値 $\lambda$ をとる指数分布を仮定します。生存関数は $S_0(t) = \exp(-\lambda t)$ となり、生存割合が0.5になる中央生存期間は $m_0 = \log 2 / \lambda$ で、治療群のハザードを $\mathrm{HR} \cdot \lambda$ とすれば、治療群の中央値は $m_1 = \log 2 / (\mathrm{HR} \cdot \lambda)$ です。
両者の比をとると $\lambda$ と $\log 2$ が消え、次の関係が残ります。
$$\frac{m_1}{m_0} = \frac{1}{\mathrm{HR}} \tag{1}$$
ここで $m_0$ は対照群、$m_1$ は治療群の中央生存期間、$\mathrm{HR}$ は治療群の対照群に対するハザード比です。式(1)は、ハザードが一定なら、中央生存期間の比はハザード比の逆数にちょうど等しいことを表しています。
この式に数を入れると、ハザード比0.7では中央値の比が1/0.7で約1.43倍になり、対照群の中央値が12か月なら治療群の中央値はその約1.43倍と見積もられます。ただし、式(1)は指数分布という仮定から導いた結果で、ハザードが時間とともに上がる、あるいは下がるデータにそのまま持ち込むと、延長の大きさを過大にも過小にも見積もります。
Weibull分布では形の母数が比を変える
ハザードが時間で変化する場合の代表として、Weibull分布を考えます。尺度の母数を $b$、形の母数を $k$ とすると生存関数は $S_0(t) = \exp\{-(t/b)^k\}$ で、$k = 1$ は指数分布、$k < 1$ は時間とともにハザードが下がる形、$k > 1$ は上がる形にあたります。
そこで、比例ハザードの関係 $S_1(t) = S_0(t)^{\mathrm{HR}}$ を当てはめると、治療群も形の母数 $k$ が同じWeibull分布になり、尺度だけが $b \cdot \mathrm{HR}^{-1/k}$ に変わります。中央値は尺度に比例するため、中央生存期間の比は次のようになります。
$$\frac{m_1}{m_0} = \left(\frac{1}{\mathrm{HR}}\right)^{1/k} \tag{2}$$
ここで $k$ はWeibull分布の形の母数で、両群に共通です。式(2)は、同じハザード比でも中央生存期間の比が形の母数によって変わり、$k$ が大きいほど比が1に近づくことを表しています。
実際にハザード比0.7を入れると、$k = 0.5$ では比が約2.04、$k = 1$ では式(1)と同じ約1.43、$k = 2$ では約1.20になります。同じ0.7という値が、ハザードの形次第で「中央値が2倍に延びる」にも「2割延びる」にも対応するため、ハザード比だけを手がかりに延長の大きさを語ることは難しくなります。
乱数で生成したデータの設計
式(2)の関係が標本でどう現れるかを確かめるため、乱数で生成したデータを用意しました。対照群の中央生存期間を12か月、治療群のハザード比を0.7に置き、Weibull分布の形の母数を0.5、1、2の3通りに変えて、各群2,000人、合計4,000人ずつのデータを作っています。
この設計では打ち切りを入れていないため、中央生存期間は各群の観測値の中央値としてそのまま求まります。3つの設定のそれぞれについて、Cox回帰で推定したハザード比、2群の中央生存期間とその差と比、式(2)の理論値、24か月までの制限付き平均生存時間(RMST)の差を並べました。
library(survival)
set.seed(42)
n <- 2000; hr <- 0.7; med0 <- 12
# 対照群の中央値12か月、比例ハザードでHR=0.7のWeibull乱数
gen_data <- function(k) {
scale0 <- med0 / log(2)^(1 / k)
time <- c(rweibull(n, shape = k, scale = scale0),
rweibull(n, shape = k, scale = scale0 * hr^(-1 / k)))
data.frame(time = time, status = 1, arm = rep(0:1, each = n))
}
shapes <- c(0.5, 1, 2)
sims <- lapply(shapes, gen_data)
このブロックで、形の母数ごとに対照群と治療群を合わせた3つのデータセットが揃います。続くブロックで、各データセットから比較に使う量をまとめて計算します。
# 各設定のハザード比、中央値、差と比、理論値、RMST差
summarise_sim <- function(dat, k) {
fit <- coxph(Surv(time, status) ~ arm, data = dat)
med <- tapply(dat$time, dat$arm, median)
km <- survfit(Surv(time, status) ~ arm, data = dat)
rmst <- summary(km, rmean = 24)$table[, "rmean"]
c(k = k, HR = exp(unname(coef(fit))), med_ctrl = med[[1]],
med_trt = med[[2]], diff = med[[2]] - med[[1]],
ratio = med[[2]] / med[[1]], theory = hr^(-1 / k),
rmst_diff = rmst[[2]] - rmst[[1]])
}
round(t(mapply(summarise_sim, sims, shapes)), 2)
#> k HR med_ctrl med_trt diff ratio theory rmst_diff
#> [1,] 0.5 0.76 12.62 22.94 10.32 1.82 2.04 2.01
#> [2,] 1.0 0.67 11.48 17.72 6.24 1.54 1.43 2.81
#> [3,] 2.0 0.71 12.07 14.07 2.00 1.17 1.20 1.78
推定したハザード比と中央値の延長
出力の各行は形の母数ごとの結果で、推定したハザード比は0.76、0.67、0.71と、置いた0.7の周りに分布しています。それに対して中央生存期間の差は、$k = 0.5$ で10.32か月、$k = 1$ で6.24か月、$k = 2$ で2.00か月と、ほぼ同じハザード比のもとで5倍以上の開きがありました。
この開きは、式(2)の理論値が2.04、1.43、1.20と形の母数によって変わることと対応しています。観測された中央値の比は1.82、1.54、1.17で、理論値と同じ順序に並んでいますが、$k = 0.5$ で理論値より小さく、$k = 1$ で大きく出ており、各群2,000人でも推定したハザード比と中央値の両方が標本によって揺れていることが読み取れます。
読み違えやすいのは、$k = 1$ の行の比1.54を「1/HRの1.43とほぼ同じなので式(1)が使える」と受け取る点です。式(1)が近い値を返したのはデータを指数分布から生成したためで、実際のデータで中央値の比が1/HRに近いかどうかは、ハザードの形を確かめなければ判断できません。
もう一点、推定したハザード比を式(2)へ代入して延長を逆算する使い方にも注意がいり、今回の$k = 0.5$の設定では推定値0.76が置いた0.7より1に近く、この推定値を式(2)に入れると中央値の比は$(1/0.76)^{2}$で約1.73となり、置いた値から求める$(1/0.7)^{2}$の約2.04を下回ります。形の母数が小さいほど式(2)の指数$1/k$が大きくなるため、ハザード比の小さな揺れが中央値の比の大きな揺れとして現れます。
そのため、推定したハザード比から延長を逆算する時は、ハザード比の信頼区間の両端も同じ式に入れ、延長の幅として示すと、この揺れの大きさが読み手に伝わります。
生存曲線に現れる形の母数
表の数字が生存曲線の上でどう見えるかを、3つの設定を並べた図で確かめます。図を描いたコードは次のとおりで、各パネルに中央値の位置を読むための生存割合0.5の参照線を引いています。
par(mfrow = c(1, 3), mar = c(4.5, 4.5, 3, 1))
for (i in seq_along(shapes)) {
km <- survfit(Surv(time, status) ~ arm, data = sims[[i]])
plot(km, col = c("grey40", "steelblue"), lwd = 2, xlim = c(0, 48),
xlab = "Months", ylab = "Survival probability",
main = paste0("Weibull shape k = ", shapes[i]))
abline(h = 0.5, lty = 2, col = "grey60")
legend("topright", legend = c("Control", "Treatment (HR 0.7)"),
col = c("grey40", "steelblue"), lwd = 2, bty = "n")
}

図1の左のパネルでは、両群とも最初の数か月で生存割合が急に下がり、その後は曲線が緩やかに伸びていくため、0.5の高さで2本の曲線が横に大きく離れます。逆に右のパネルでは、両群とも10か月前後で生存割合がまとまって下がるため、同じハザード比でも0.5の高さでの横の隔たりは2か月ほどにとどまります。
この図から分かるように、中央値の差は生存曲線の縦の開きではなく、0.5付近での曲線の傾きに左右されます。曲線が緩やかに下がる区間では、縦方向のわずかな開きが横方向の大きな延長になり、急に下がる区間では同じ縦の開きが短い延長にしかなりません。
時間の単位を持つ指標を併記する
こうした性質があるため、生存期間がどれだけ延びたかを伝える目的では、ハザード比に加えて、中央生存期間の差や制限付き平均生存時間の差のように、月や年の単位を持つ指標を併せて報告する方針をとります。RMSTは、ある時点 $\tau$ までの生存曲線の下の面積で、$\tau$ までに平均して何か月生存したかを表すため、ハザードが比例していなくても定義でき、群間の差を時間の長さで読めます。
今回のデータで24か月までのRMSTの差を見ると、$k = 0.5$ で2.01か月、$k = 1$ で2.81か月、$k = 2$ で1.78か月でした。中央値の差が最も大きかった $k = 0.5$ でRMSTの差が最大にならないのは、治療群の中央値22.94か月が区切りの24か月に近く、早い時期に両群とも大きく生存割合が下がる形では、24か月までの面積の差が限られるためです。
このように、中央値の差とRMSTの差は同じデータでも異なる大きさを返すため、どちらを主に報告するかは、生存曲線のどの部分の延長を知りたいかで決まります。RMSTの考え方と区切りの時点の選び方は【医療統計版】RMST:ハザード比に依存しない効果指標で扱っており、中央生存期間を要約に使う理由は生存率と平均生存期間の違い:中央生存期間を使う理由にまとめています。
一方で、ハザード比0.7を一律に「生存期間が1.43倍に延びる」と読み替える書き方は、式(1)の前提であるハザード一定を確かめずに使っている点で不適切です。今回のデータでも、同じ0.7前後の推定値に対して実際の中央値の比は1.17から1.82まで分布しており、1.43はそのうちの1つの設定にしか当てはまりませんでした。
論文や報告書ではどう扱われているか
生存時間解析の報告でハザード比だけを群間差の指標にする慣行について、Unoら(2014)は、ハザード比が比例ハザードの仮定に依存し、さらに時間の単位を持たないため臨床的な大きさを伝えにくいことを指摘し、RMSTの差や比を併記する方法を提案しています。RoystonとParmar(2013)も、ランダム化試験の設計と解析でハザード比に代わる要約としてRMSTを使う方法を論じています。
これとは別の角度から、Hernán(2010)はハザード比が時点ごとの瞬間の比で、時間が進むにつれて各群の生存者の構成が変わるため、ランダム化試験であっても後の時点のハザード比を因果的な効果としてそのまま解釈するのは難しいと論じています。この指摘は、ハザード比を生存期間の延長へ読み替える場面にも関わり、全期間で1つの値を報告する場合には、生存曲線そのものと時間の単位を持つ要約を添えておくと、読者がこの点を確かめられます。
また、Cox(1972)の比例ハザードモデルは基準となるハザードの形を指定せずにハザード比を推定する方法で、セミパラメトリックという性質上、推定したハザード比だけからは生存期間の長さが復元できません。中央生存期間はKaplanとMeier(1958)の推定量による生存曲線から読み取る量で、両者を並べて報告すると、相対的な速さと時間の長さの両方が読者に伝わります。
延長を語る前に確かめる条件
ここまでの結果から、ハザード比から生存期間の延長へ進む時に確かめる条件は、ハザードの形と比例ハザードの仮定の2つに集約されます。指数分布に近く比例ハザードが成り立つと判断できる場合に限り1/HRは中央値の比の目安になりますが、その判断も生存曲線や対数累積ハザードの形を見て行うもので、ハザード比の値から推し量れるものではありません。
そのため、研究結果を「生存期間がどれだけ延びたか」という形で伝える必要がある場合は、ハザード比とその信頼区間に加えて、各群の中央生存期間とその差、事前に決めた時点までのRMSTの差を報告し、生存曲線の図を添える構成にします。こうしておくと、ハザード比0.7が今回の3つの設定のように2か月の延長にも10か月の延長にもなりうることを、読者自身が図と数値から確かめられます。
参考文献
- Uno H, Claggett B, Tian L, et al. Moving beyond the hazard ratio in quantifying the between-group difference in survival analysis. Journal of Clinical Oncology. 2014;32(22):2380-2385.
- Royston P, Parmar MKB. Restricted mean survival time: an alternative to the hazard ratio for the design and analysis of randomized trials with a time-to-event outcome. BMC Medical Research Methodology. 2013;13:152.
- Hernán MA. The hazards of hazard ratios. Epidemiology. 2010;21(1):13-15.
- Cox DR. Regression models and life-tables. Journal of the Royal Statistical Society: Series B. 1972;34(2):187-220.
- Kaplan EL, Meier P. Nonparametric estimation from incomplete observations. Journal of the American Statistical Association. 1958;53(282):457-481.


