|
ほとんどの疫学研究・臨床研究において、欠測値を伴うデータを観察する。このようなデータを解析する際には、欠測値のない対象者のみを解析対象とした分析法が用いられる(complete-case analysis)のが通常である。この方法はほとんどの続計解析パツケージが採用している方法ではあるが、完全なデータを有する対象者は元の母集団からのバイアスのあるサンプルてある場合か多く、そのような場合には通常の解析結果にはバイアスか生じる。特に、癌患者を対象としたQOL測定研究においては、病態が悪化したためにQOL測定がなされないという(結果と関連した)選択的な欠測値(情報のある打ち切り)が生じる。このような場合に、QOL改善に対する治療効果のバイアスの少ない比較を行うための統計手法、あるいは通常の解析手法による結果の感度解析のための手法が望まれる。
昨年度はmultiple imputation法による欠測値の補完のアプローチを考えた。これはノンパラメトリックなApproximate Bayesian bootsrap法であり、データが欠測する確率(propensity scoreの一種)を個人ごとに椎定し、その確率がほぼ等しい、(欠測値のない)対象者のデータから復元抽出で補完データをサンプリングする方法である。この手法は、特に、標準誤差の推定において適切に誤差を考慮した方法であり、通常のパラメトリックな補完方法よりもモデルの前提がなく、得られる結果がロバストであることをシミュレーション実験により確認した。本年度はその方法を実際のQOL癌臨床試験デー夕に適応し、通常の解析結果(complete case analysis)との比較を行った。その結果、情報のある欠測値が生じていると考えられる場合には得られる結果の感度解析として提案する手法が有用であることが示唆された。
|
