生存時間解析の評価指標に関する最近の展開 ー
RMST (restricted mean survival time)
を理解するー2. RMST
の定義と統計的推測○田中 慎一1、棚瀬 貴紀2 、鵜飼 裕之3
(1日本新薬株式会社、2大鵬薬品工業株式会社、
3日本ベーリンガーインゲルハイム株式会社)
Definition and Statistical Inference of RMST
Shinichi Tanaka
Data Science Dept., Nippon Shinyaku Co., Ltd.
要旨:
RMSTの定義と統計的推測について述べると共に,
LIFETESTプロシジャのTIMELIMオプションを用いて
RMSTの統計的推測を行う際の留意点について紹介する.
キーワード:
RMST,LIFETEST,TIMELIM
発表内容
1. RMST の定義と性質 2. RMST の統計的推測
– Kaplan-Meier
法によるRMST
の推定–
治療群間の比較– SAS
プログラム3. SAS プログラミング時の留意点
4. まとめ
1. RMST の定義と性質
イベント発現までの時間を𝑻𝑻
,境界時間
𝝉𝝉
内での生存時間を𝑿𝑿 𝝉𝝉 = 𝐦𝐦𝐦𝐦𝐦𝐦 𝑻𝑻, 𝝉𝝉
とした場合,𝑿𝑿 𝝉𝝉
の平均値が
RMST
RMSTの定義
境界時間
𝝉𝝉
内でのイベント発現までの時間に対する 平均値𝝁𝝁 𝝉𝝉 = 𝐄𝐄 𝑿𝑿 𝝉𝝉 = 𝐄𝐄 𝐦𝐦𝐦𝐦𝐦𝐦 𝑻𝑻, 𝝉𝝉
RMST の解釈
•
生存時間𝑻𝑻
の生存関数を𝐒𝐒 𝒕𝒕
とすると,RMST
は,と表現できる
• RMST
は,「境界時間𝝉𝝉
内における生存関数の 曲線下面積」としても解釈できる𝝁𝝁 𝝉𝝉 = �
𝟎𝟎
𝝉𝝉
𝑺𝑺 𝒕𝒕 𝒅𝒅𝒕𝒕
生存割合
生存時間
𝝁𝝁(𝝉𝝉)
𝜏𝜏
0 6
生存時間 𝑿𝑿 𝝉𝝉 の分散
•
境界時間𝝉𝝉
内での生存時間𝑿𝑿 𝝉𝝉
の分散は,と表せる
•
この分散は必要症例数計算時に使用される• 𝑿𝑿 𝝉𝝉
の期待値(RMST
)及び分散は,生存関数から求められる.実際の解析では,観測データから
𝝈𝝈
𝟐𝟐𝝉𝝉 = 𝐕𝐕𝐕𝐕𝐕𝐕 𝑿𝑿 𝝉𝝉
= 𝐄𝐄 𝑿𝑿
𝟐𝟐𝝉𝝉 − 𝐄𝐄 𝑿𝑿 𝝉𝝉
𝟐𝟐= 𝟐𝟐 �
𝟎𝟎
𝝉𝝉
𝒕𝒕𝑺𝑺 𝒕𝒕 𝒅𝒅𝒕𝒕 − �
𝟎𝟎
𝝉𝝉
𝑺𝑺 𝒕𝒕 𝒅𝒅𝒕𝒕
𝟐𝟐
2. RMST の統計的推測
• Royston and Parmar (2013)
により,Kaplan-Meier
法 による生存曲線を積分する方法が示されている– �𝑺𝑺 𝒕𝒕 はKaplan-Meier法による生存曲線の推定量
– 𝒕𝒕𝟏𝟏 < 𝒕𝒕𝟐𝟐 < ⋯ < 𝒕𝒕𝑫𝑫は境界時間𝝉𝝉内での𝑫𝑫個のイベント発現時点 – 𝒕𝒕𝟎𝟎 = 𝟎𝟎,𝒕𝒕𝑫𝑫+𝟏𝟏 = 𝝉𝝉
RMST の推定量
�𝝁𝝁 𝝉𝝉 = �
𝒋𝒋=𝟎𝟎 𝑫𝑫
𝒕𝒕
𝒋𝒋+𝟏𝟏− 𝒕𝒕
𝒋𝒋�𝑺𝑺 𝒕𝒕
𝒋𝒋RMST の推定量 �𝝁𝝁 𝝉𝝉 の分散
• Greenwood
の公式により,– 𝒀𝒀
𝒋𝒋はイベントが発現した時点𝒕𝒕
𝒋𝒋でのリスク集合の大きさ– 𝒅𝒅
𝒋𝒋は時点𝒕𝒕
𝒋𝒋でのイベント数𝐕𝐕𝐕𝐕𝐕𝐕 �𝝁𝝁 𝝉𝝉 = �
𝒋𝒋=𝟏𝟏 𝑫𝑫
�
𝒊𝒊=𝒋𝒋 𝑫𝑫
𝒕𝒕
𝒊𝒊+𝟏𝟏− 𝒕𝒕
𝒊𝒊�𝑺𝑺 𝒕𝒕
𝒊𝒊𝟐𝟐
𝒅𝒅
𝒋𝒋𝒀𝒀
𝒋𝒋𝒀𝒀
𝒋𝒋− 𝒅𝒅
𝒋𝒋× × ×
𝑡𝑡0 𝑡𝑡1 𝑡𝑡2 … 𝑡𝑡𝐷𝐷
𝑌𝑌1 𝑌𝑌2 … 𝑌𝑌𝐷𝐷
リスク集合 0
𝑡𝑡𝐷𝐷+1 = 𝜏𝜏 𝜏𝜏
𝑑𝑑1 𝑑𝑑2 … 𝑑𝑑𝐷𝐷
イベント数
• lifetest
プロシジャtimelim
オプションを利用•
構文– timelim=
Lには境界時間𝝉𝝉
を表す数値を指定– time
は時間変数– censor
は打ち切り変数(0
は打ち切りを表す)RMST を求めるための SAS プログラム
例
•
データセットSAMPLE
• SAS
プログラムTIME CENSOR
1 0
2 1
3 1
4 1
5 0
出力結果
治療群間の比較( RMST の差)
•
群𝒈𝒈
(対照薬群を𝟎𝟎
,実薬群を𝟏𝟏
)のRMST
の推定量を�𝝁𝝁
𝒈𝒈𝝉𝝉
,その分散を𝐕𝐕𝐕𝐕𝐕𝐕 �𝝁𝝁
𝒈𝒈𝝉𝝉
• 2
群のRMST
の差の推定量•
分散�𝝁𝝁
𝟏𝟏𝝉𝝉 − �𝝁𝝁
𝟎𝟎𝝉𝝉
𝐕𝐕𝐕𝐕𝐕𝐕 �𝝁𝝁
𝟏𝟏𝝉𝝉 − �𝝁𝝁
𝟎𝟎𝝉𝝉 = 𝐕𝐕𝐕𝐕𝐕𝐕 �𝝁𝝁
𝟏𝟏𝝉𝝉 + 𝐕𝐕𝐕𝐕𝐕𝐕 �𝝁𝝁
𝟎𝟎𝝉𝝉
差の信頼区間、検定統計量
• 2
群の差の𝟏𝟏𝟎𝟎𝟎𝟎 𝟏𝟏 − 𝜶𝜶 %
信頼区間– 𝒛𝒛
𝜶𝜶は標準正規分布の上側𝟏𝟏𝟎𝟎𝟎𝟎𝜶𝜶%
�𝝁𝝁
𝟏𝟏𝝉𝝉 − �𝝁𝝁
𝟎𝟎𝝉𝝉 ± 𝒛𝒛
𝜶𝜶 𝟐𝟐⁄𝐕𝐕𝐕𝐕𝐕𝐕 �𝝁𝝁
𝟏𝟏𝝉𝝉 + 𝐕𝐕𝐕𝐕𝐕𝐕 �𝝁𝝁
𝟎𝟎𝝉𝝉
帰無仮説𝑯𝑯
𝟎𝟎: 𝝁𝝁
𝟏𝟏𝝉𝝉 − 𝝁𝝁
𝟎𝟎𝝉𝝉 = 𝟎𝟎
対立仮説𝑯𝑯
𝟏𝟏: 𝝁𝝁
𝟏𝟏𝝉𝝉 − 𝝁𝝁
𝟎𝟎𝝉𝝉 ≠ 𝟎𝟎
検定統計量𝑠𝑠
𝒔𝒔
𝑫𝑫= �𝝁𝝁
𝟏𝟏𝝉𝝉 − �𝝁𝝁
𝟎𝟎𝝉𝝉
𝐕𝐕𝐕𝐕𝐕𝐕 �𝝁𝝁
𝟏𝟏𝝉𝝉 + 𝐕𝐕𝐕𝐕𝐕𝐕 �𝝁𝝁
𝟎𝟎𝝉𝝉
• ODS OUTPUTステートメントを用いて、
RMSTと標準誤差をデータセット化
– データセット例
• TRANSPOSEプロシジャなどを用い加工することにより
2群のRMSTの差、標準誤差を計算
RMST の差を求めるための SAS プログラム
- timelim=Lには境界時間𝝉𝝉を表す数値を指定 - timeは時間変数
- censorは打ち切り変数(0は打ち切りを表す)
- groupは群変数
3. SAS プログラミング時の留意点
SAS プログラミング時の留意点
• timelim
に指定した時間より後にイベントが発現している場合,強制的に最終イベント発現時点までの
RMST
が算出される【
SAS/STAT(R) 14.1 User's Guide
抜粋】TIMELIM=time-limit
specifies the time limit used in the estimation of the mean survival time and its standard error. The mean survival time can be shown to be the area under the Kaplan–Meier survival curve. However, if the largest observed time in the data is censored, the area under the survival curve is not a closed area. In such a situation, you can choose a time limit L and estimate the mean survival curve limited to a time L (Lee 1992, pp. 72–76).
This option is ignored if the
largest observed time is an event time.
例(境界時間 𝝉𝝉 = 𝟑𝟑 の場合)
TIME CENSOR
1 0
2 1
3
= 𝜏𝜏
14 1
5 0
SAS
プログラム最終 イベント
出力結果最終イベント発現時点(時点
4
)事前に,データセットの加工が必要
• DATA
ステップで,境界時間𝝉𝝉
より後に発生したイベント を打ち切りに変換したデータセットを作成する•
境界時間𝝉𝝉 = 𝟑𝟑
の場合TIME CENSOR
1 0
2 1
3 1
4 1
5 0
TIME CENSOR
1 0
2 1
3 1
4 0
5 0
lifetest プロシジャによる標準誤差
– 𝒀𝒀
𝒋𝒋はイベントが発現した時点𝒕𝒕
𝒋𝒋でのリスク集合の大きさ– 𝒅𝒅
𝒋𝒋は時点𝒕𝒕
𝒋𝒋でのイベント数.𝒎𝒎 = ∑
𝒋𝒋=𝟏𝟏𝑫𝑫𝒅𝒅
𝒋𝒋•
一方,Klein (2003)
,Collett (2015)
等では𝒎𝒎 𝒎𝒎 − 𝟏𝟏 ⁄
を掛けない分散が記載されている𝐕𝐕𝐕𝐕𝐕𝐕 �𝝁𝝁 𝝉𝝉
= 𝒎𝒎
𝒎𝒎 − 𝟏𝟏 �
𝒋𝒋=𝟏𝟏𝑫𝑫
�
𝒊𝒊=𝒋𝒋 𝑫𝑫
𝒕𝒕
𝒊𝒊+𝟏𝟏− 𝒕𝒕
𝒊𝒊�𝑺𝑺 𝒕𝒕
𝒊𝒊𝟐𝟐
𝒅𝒅
𝒋𝒋𝒀𝒀
𝒋𝒋𝒀𝒀
𝒋𝒋− 𝒅𝒅
𝒋𝒋2 つの分散の性質
•
シミュレーションにより,–
被験者𝒊𝒊 𝒊𝒊 = 𝟏𝟏, ⋯ , 𝒏𝒏
の生存時間𝑻𝑻
𝒊𝒊が指数分布に従う–
境界時間𝝉𝝉
内での打ち切りが存在しないこれらの場合について,
2
つの分散の性質を確認•
イベント数による影響を評価𝑽𝑽𝑽𝑽𝑽𝑽_𝑺𝑺𝑺𝑺𝑺𝑺 = 𝒎𝒎
𝒎𝒎 − 𝟏𝟏 �𝒋𝒋=𝟏𝟏
𝑫𝑫
�
𝒊𝒊=𝒋𝒋 𝑫𝑫
𝒕𝒕𝒊𝒊+𝟏𝟏 − 𝒕𝒕𝒊𝒊 �𝑺𝑺 𝒕𝒕𝒊𝒊
𝟐𝟐 𝒅𝒅𝒋𝒋
𝒀𝒀𝒋𝒋 𝒀𝒀𝒋𝒋 − 𝒅𝒅𝒋𝒋 𝑽𝑽𝑽𝑽𝑽𝑽_𝑲𝑲𝑲𝑲𝑲𝑲𝒊𝒊𝒏𝒏 = �
𝒋𝒋=𝟏𝟏 𝑫𝑫
�
𝒊𝒊=𝒋𝒋 𝑫𝑫
𝒕𝒕𝒊𝒊+𝟏𝟏 − 𝒕𝒕𝒊𝒊 �𝑺𝑺 𝒕𝒕𝒊𝒊
𝟐𝟐 𝒅𝒅𝒋𝒋
𝒀𝒀𝒋𝒋 𝒀𝒀𝒋𝒋 − 𝒅𝒅𝒋𝒋
RMST の推定量 �𝝁𝝁 𝝉𝝉 の分散
•
境界時間𝝉𝝉
内で打ち切りが存在しないとき,RMST
の推定量�𝝁𝝁 𝝉𝝉
は各被験者の生存時間𝑿𝑿
𝒊𝒊𝝉𝝉
の単純平均
となるため,その分散は
�𝝁𝝁 𝝉𝝉 = 𝟏𝟏
𝒏𝒏 �
𝒊𝒊=𝟏𝟏𝒏𝒏
𝑿𝑿
𝒊𝒊𝝉𝝉
𝐕𝐕𝐕𝐕𝐕𝐕 �𝝁𝝁 𝝉𝝉 = 𝐕𝐕𝐕𝐕𝐕𝐕 𝑿𝑿
𝒊𝒊𝝉𝝉 𝒏𝒏 ⁄
境界時間𝝉𝝉内での生存時間を 𝑿𝑿𝒊𝒊 𝝉𝝉 = 𝐦𝐦𝐦𝐦𝐦𝐦 𝑻𝑻𝒊𝒊,𝝉𝝉
𝑻𝑻 𝒊𝒊 がハザード 𝝀𝝀 の指数分布に従う場合
•
境界時間𝝉𝝉
内での生存時間𝑿𝑿
𝒊𝒊𝝉𝝉
の分散はRoyston and Parmar (2013)
により,•
シミュレーションにより,𝐕𝐕𝐕𝐕𝐕𝐕 𝑿𝑿
𝒊𝒊𝝉𝝉 𝒏𝒏 ⁄
との変化率の平均値を求め,
2
つの分散のズレの大きさを評価𝐕𝐕𝐕𝐕𝐕𝐕 𝑿𝑿
𝒊𝒊𝝉𝝉 = 𝟏𝟏 − 𝟐𝟐𝝀𝝀𝝉𝝉𝑲𝑲𝟐𝟐𝟐𝟐 −𝝀𝝀𝝉𝝉 − 𝑲𝑲𝟐𝟐𝟐𝟐 −𝟐𝟐𝝀𝝀𝝉𝝉
𝝀𝝀
𝟐𝟐𝑽𝑽𝑽𝑽𝑽𝑽_𝑲𝑲𝑲𝑲𝑲𝑲𝒊𝒊𝒏𝒏 − 𝐕𝐕𝐕𝐕𝐕𝐕 𝑿𝑿
𝒊𝒊𝝉𝝉 𝒏𝒏 ⁄ 𝐕𝐕𝐕𝐕𝐕𝐕 𝑿𝑿
𝒊𝒊𝝉𝝉 𝒏𝒏 ⁄
𝑽𝑽𝑽𝑽𝑽𝑽_𝑺𝑺𝑺𝑺𝑺𝑺 − 𝐕𝐕𝐕𝐕𝐕𝐕 𝑿𝑿
𝒊𝒊𝝉𝝉 𝒏𝒏 ⁄ 𝐕𝐕𝐕𝐕𝐕𝐕 𝑿𝑿
𝒊𝒊𝝉𝝉 𝒏𝒏 ⁄
,
シミュレーション条件
•
シミュレーション回数100,000
•
境界時間𝝉𝝉 = 𝟐𝟐
年• 2
年生存率0.9
,0.7
,0.5
,0.3
,0.1
の指数分布•
被験者数30
,50
,100
例シミュレーション結果(被験者数
30
例の場合)2年
生存率 𝝉𝝉までの期待
イベント数 𝐕𝐕𝐕𝐕𝐕𝐕 𝑿𝑿𝒊𝒊 𝝉𝝉 /𝒏𝒏 𝑽𝑽𝑽𝑽𝑽𝑽_𝑲𝑲𝑲𝑲𝑲𝑲𝒊𝒊𝒏𝒏の変化率 𝑽𝑽𝑽𝑽𝑽𝑽_𝑺𝑺𝑺𝑺𝑺𝑺の変化率
0.9 3 0.004127 -0.047423 (0.002316) [4319] 0.625805 (0.002877) [18628]
0.7 9 0.011167 -0.036021 (0.001002) [ 3] 0.090282 (0.001061) [ 34]
0.5 15 0.015778 -0.034887 (0.000580) [ 0] 0.035939 (0.000610) [ 0]
0.3 21 0.017257 -0.034298 (0.000408) [ 0] 0.015037 (0.000435) [ 0]
0.1 27 0.013316 -0.033068 (0.000639) [ 0] 0.004680 (0.000670) [ 0]
Mean (SE) [計算不可回数](𝑉𝑉𝑉𝑉𝑉𝑉_𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾はイベント0, 𝑉𝑉𝑉𝑉𝑉𝑉_𝑆𝑆𝑆𝑆𝑆𝑆は0及び1の回数)
シミュレーション結果(被験者数
50
例の場合)2年
生存率 𝝉𝝉までの期待
イベント数 𝐕𝐕𝐕𝐕𝐕𝐕 𝑿𝑿𝒊𝒊 𝝉𝝉 /𝒏𝒏 𝑽𝑽𝑽𝑽𝑽𝑽_𝑲𝑲𝑲𝑲𝑲𝑲𝒊𝒊𝒏𝒏の変化率 𝑽𝑽𝑽𝑽𝑽𝑽_𝑺𝑺𝑺𝑺𝑺𝑺の変化率
0.9 5 0.002530 -0.026240 (0.001720) [501] 0.268747 (0.001870) [3456]
0.7 15 0.006700 -0.022728 (0.000783) [ 0] 0.048542 (0.000810) [ 0]
0.5 25 0.009467 -0.021683 (0.000449) [ 0] 0.019680 (0.000462) [ 0]
0.3 35 0.010354 -0.020878 (0.000311) [ 0] 0.008282 (0.000323) [ 0]
0.1 45 0.007989 -0.019464 (0.000496) [ 0] 0.003021(0.000510) [ 0]
Mean (SE) [計算不可回数](𝑉𝑉𝑉𝑉𝑉𝑉_𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾はイベント0, 𝑉𝑉𝑉𝑉𝑉𝑉_𝑆𝑆𝑆𝑆𝑆𝑆は0及び1の回数)
シミュレーション結果(被験者数
100
例の場合)2年
生存率 𝝉𝝉までの期待
イベント数 𝐕𝐕𝐕𝐕𝐕𝐕 𝑿𝑿𝒊𝒊 𝝉𝝉 /𝒏𝒏 𝑽𝑽𝑽𝑽𝑽𝑽_𝑲𝑲𝑲𝑲𝑲𝑲𝒊𝒊𝒏𝒏の変化率 𝑽𝑽𝑽𝑽𝑽𝑽_𝑺𝑺𝑺𝑺𝑺𝑺の変化率
0.9 10 0.001265 -0.013414 (0.001210) [ 3] 0.099393 (0.001263) [26]
0.7 30 0.003350 -0.011406 (0.000556) [ 0] 0.022994 (0.000566) [ 0]
0.5 50 0.004733 -0.010854 (0.000317) [ 0] 0.009474 (0.000321) [ 0]
0.3 70 0.005177 -0.010532 (0.000218) [ 0] 0.003894 (0.000222) [ 0]
0.1 90 0.003995 -0.009718 (0.000353) [ 0] 0.001458 (0.000358) [ 0]
Mean (SE) [計算不可回数](𝑉𝑉𝑉𝑉𝑉𝑉_𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾はイベント0, 𝑉𝑉𝑉𝑉𝑉𝑉_𝑆𝑆𝑆𝑆𝑆𝑆は0及び1の回数)
考察
• 𝑽𝑽𝑽𝑽𝑽𝑽_𝑲𝑲𝑲𝑲𝑲𝑲𝒊𝒊𝒏𝒏
は,𝐕𝐕𝐕𝐕𝐕𝐕 𝑿𝑿
𝒊𝒊𝝉𝝉 /𝒏𝒏
より小さくなる傾向• 𝑽𝑽𝑽𝑽𝑽𝑽_𝑺𝑺𝑺𝑺𝑺𝑺
は,𝐕𝐕𝐕𝐕𝐕𝐕 𝑿𝑿
𝒊𝒊𝝉𝝉 /𝒏𝒏
より大きくなる傾向• 𝑽𝑽𝑽𝑽𝑽𝑽_𝑺𝑺𝑺𝑺𝑺𝑺
はイベント数が少ない状況では,𝐕𝐕𝐕𝐕𝐕𝐕 𝑿𝑿
𝒊𝒊𝝉𝝉 /𝒏𝒏
より大きくなってしまうことがあるが,イベント数が増えると,
𝐕𝐕𝐕𝐕𝐕𝐕 𝑿𝑿
𝒊𝒊𝝉𝝉 /𝒏𝒏
に近くなる傾向分散まとめ
• Klein (2003)
,Collett (2015)
,R
のsurvfit
関数では,𝑽𝑽𝑽𝑽𝑽𝑽_𝑲𝑲𝑲𝑲𝑲𝑲𝒊𝒊𝒏𝒏
が示されている• SAS
は,Kaplan (1958)
及びLee (1992)
を参考に𝑽𝑽𝑽𝑽𝑽𝑽_𝑺𝑺𝑺𝑺𝑺𝑺
の式を用いている•
どちらの分散式を用いるべきかのコンセンサスは 得られていない•
日本製薬工業協会 医薬品評価委員会 データサイエンス部会タスクフォース4
生存時間解析チームが作成した報告書では,
RMST
の推定量に対する分散式として𝑽𝑽𝑽𝑽𝑽𝑽_𝑲𝑲𝑲𝑲𝑲𝑲𝒊𝒊𝒏𝒏
を 用いている• ODS OUTPUTステートメントを用いて、
標準誤差及びイベント数をデータセット化
– データセット例
標準誤差 イベント数
𝑽𝑽𝑽𝑽𝑽𝑽_𝑲𝑲𝑲𝑲𝑲𝑲𝒊𝒊𝒏𝒏
を求めるためのSAS
プログラム変数名:StdErr
変数名:Failed
4. まとめ
まとめ
• RMST
–
定義:境界時間𝝉𝝉
内でのイベント発現までの時間に対する 平均値–
境界時間𝝉𝝉
内における生存関数の曲線下面積– Kaplan-Meier
法による生存関数を積分し,推定– lifetest
プロシジャtimelim
オプションを用いて計算可能•
プログラミング時の留意点•
以下のSAS
プログラムを報告書に記載–
境界時間𝝉𝝉
より後のイベントを打ち切りに変換– 2
群のRMST
の差および比の信頼区間,P
値参考文献
• 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 Med ical Research Methodology 2013; 13:152.
• Klein JP, Moeschberger ML. Surival Analysis: Techniques for Censored and Truncated Data second edition. Springer-
Verlag: New York: 2003.
• Collett D. Modelling survival data in medical reseach, third edition. CRC Press: 2015.
• Kaplan EL, Meier P. Nonparametric Estimation From
Incomplete Observations. Journal of the American Statistical Association. 1958: 53(282): 457-481.
• Lee ET, Wang JW. Statistical Methods for Survival Data Analysis. Second edition. John Wiley & Sons: New York:
1992.