暴露存在时变效应时的Cox回归多重插补
统计方法学
2021-12-07 v1
摘要
在Cox回归中，有时需要研究暴露的时变效应（TVE）并检验比例风险假设。TVE可以通过对数风险比建模为时间的函数来研究。暴露数据缺失很常见，多重插补（MI）是处理此问题的流行方法，以避免“完整病例”分析可能导致的偏倚和效率损失。针对实质模型为Cox比例风险回归的情况，已提出两种MI方法：近似方法（White and Royston, Statist. Med. 2009;28:1982-98）和实质模型兼容方法（Bartlett et al., SMMR 2015;24:462-87）。目前，这两种方法都不适应暴露的TVE。我们将它们扩展以适用于一般形式的TVE，并给出使用受限立方样条建模TVE的具体细节。模拟研究在几种潜在的TVE形状下评估了方法的性能。我们提出的方法对具有缺失数据的二元暴露给出了近似无偏的TVE估计，但对于连续暴露，实质模型兼容方法表现更好。这些方法在不存在TVE时对于比例风险检验也给出近似正确的第一类错误，并且相对于完整病例分析获得了检测TVE的效能。在插补阶段忽略TVE会导致TVE估计偏倚、第一类错误不正确以及检测TVE的效能大量损失。我们还提出了一种多变量TVE模型选择算法。使用Rotterdam Breast Cancer Study的数据说明了这些方法。提供了示例R代码。
引用
@article{arxiv.1706.09187,
title = {Multiple imputation in Cox regression when there are time-varying effects of exposures},
author = {Ruth H. Keogh and Tim P. Morris},
journal= {arXiv preprint arXiv:1706.09187},
year = {2021}
}