이분형 반복측정 자료와 생존 자료의 결합분석 모형

• 영문명: Joint Analysis Models for Longitudinal Binary Outcome and Survival Data
• 발행기관: 한국자료분석학회
• 저자명: 조혜수(Hyesoo Cho) 정인경(Inkyung Jung)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.17 No.3, 1261~1271쪽, 전체 11쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2015.06.30

국문 초록

결합분석 모형은 두 종류 이상의 결과변수를 동시에 분석할 수 있는 방법으로, 각 결과변수에 대한 모형을 임의효과를 공유하는 형태로 결합하는 것이 가장 일반적이다. 연속형 반복측정 자료와 생존 자료의 결합모형에 관한 연구는 많이 이루어졌으나, 이분형 반복측정 자료를 다룬 연구는 많지 않다. 본 연구에서는 일반화선형혼합모형과 세 가지 다른 형태의 생존모형을 임의효과를 공유하는 결합분석 모형으로 구축하여 미국 샌안토니오 노인코호트 연구(San Antonio longitudinal study of aging; SALSA) 자료를 분석하였다. 연구 대상자들의 신체적 허약 상태를 반복 측정한 결과와 사망까지의 시간의 두 결과변수를 개별적으로 분석했을 경우와 비교하였고, 공유되는 임의효과의 계수의 추정을 통해 두 결과변수 간의 관련성에 대해 살펴보았다. 결합분석 모형을 이용하여 분석했을 경우에는 회귀계수가 기존 분석 결과와 다소 다른 값으로 추정되었고 몇몇 공변량에 대해서는 통계적 유의성이 달라졌다. 다른 형태의 결합분석 모형 간 큰 차이는 없었으나, Cox의 비례위험모형을 이용한 결합분석 모형의 경우에 공유되는 임의효과의 계수가 유의하게 추정되어 두 결과변수 간의 관련성을 설명할 수 있었다.

영문 초록

Joint analysis models, generally in a shared random effects model form, are used to simultaneously model two or more types of outcomes such as longitudinal outcomes and survival time data. Most research on joint analysis models deals with continuous longitudinal outcomes and research dealing with binary outcomes is scarce. In this study, we formulate joint analysis models for longitudinal binary outcomes and survival time data using a generalized linear mixed model and a survival model sharing a random effect for correlation between the two outcomes. We analyzed the San Antonio longitudinal study of aging (SALSA) data using the joint analysis models to simultaneously model the longitudinal frailty status of the elderly over four time points and their survival time. The joint analysis results were somewhat different from those from separate analyses on two outcome variables. Through the coefficient of shared random effect, we explained the association between the two outcome variables.

목차

1. 서론

2. 결합분석 모형

3. 실제 자료 분석

4. 결론 및 고찰

References

키워드

결합모형 임의효과 공유 일반화선형혼합모형 비례위험모형 Joint modeling shared random effects generalized linear mixed model proportional hazards model