独立でない,または情報を持つ打ち切り|【統計学・統計解析講義応用】
独立でない,または情報を持つ打ち切り
医学研究においてよくある2つの事象は,試験期間中に組み入れ/除外基準が変更されることと,被験者が別のイベントを生じたので関心のあるイベントについてそれ以上観察されなくなることである.
検討すべき仮説の設定から最終的な論文の公表とそれに伴う議論に至るまで,常に試験統計家を研究に関与しているようにする多くの理由の1つには,おそらく他の試験チームメンバーに長い間忘れられているような,これらの微妙な問題が統計解析の際に考慮される必要があることによる.
被験者の症状が打ち切り時間に影響する時,独立でない打ち切りが発生する.
独立でない,あるいは情報を持つ打ち切りは,例えば被験者が運動を止めてしまったので体重減量試験から脱落してしまったというように,試験の結果に対して独立ではない.
もし被験者がその地域から引っ越してしまったので試験から脱落してしまったということであれば,それはおそらく独立.あるいは情報を持たない打ち切りである.
これは欠測データの問題に似ている.
何か起きているかに厳密に依存して,多少難しいデータ解析方法のいくつかが適用可能であり,そしてそれらはモデル推定において生じ得るバイアスを低減するかもしれないし,低減しないかもしれない.
標準的なCoxモデル推定量は,多くの場合ロバスト(robust.頑健)であるが,独立でない打ち切りがある時にはモデル推定量はおそらくバイアスを含むことになる.
大抵の場合,特に1つの治療群の特性や試験中で生じた脱落に違いが見られるなどにより懸念が持たれる際には,発生した打ち切りに関する異なる仮定に対して試験結果がどれだけロバストであるかを調べるために,感度分析が実施される.
関連記事