Skip to content

定义Definition

Fine–Gray 子分布风险模型

施工中 · 内容逐步修订

Fine-Gray model · Subdistribution hazard

明确亚分布风险的特殊分母,并用竞争事件改变累计发生率的算例解释 Fine–Gray 回归。

形式陈述 ​

设首次事件时间 T>0,类型为 J,并假定以下累计发生函数绝对连续、在零处没有概率原子。在生存与竞争风险框架下,目标类型的累计发生函数是 F1(t)=P(T≤t,J=1)。在它可微且 F1(t)<1 的时刻,亚分布风险定义为

α1(t)=F1′(t)1−F1(t).

分母包含尚未发生任何事件的人,也包含已经发生其他类型事件的人。在 F1<1 的紧时间窗上,1−F1 有正下界,log⁡(1−F1) 绝对连续。由微积分基本定理的Lebesgue版本积分其几乎处处导数,得到

F1(t)=1−exp⁡[−∫0tα1(u)du].

式中的累计量是Lebesgue时间积分。有概率原子时则用 dF1/(1−F1−) 的跳增量及乘积,不能直接用同一个连续指数公式处理有限跳。

Fine–Gray 比例亚分布风险模型规定

α1(t∣z)=α10(t)eγTz.

其形式类似Cox 模型,但目标量和风险集不同。固定协变量下,它隐含 1−F1(t∣z)={1−F10(t)}eγTz,所以系数直接约束累计发生率的整条曲线。

为什么要保留竞争事件者 ​

在没有删失的概念性样本中,只有类型 1 事件使 1−F1 下降。一个人发生类型 2 后,终身都不会进入“已发生类型 1”集合,因此仍计入该分母。保留他不是说他还能发生第一次类型 1 事件,而是在维持亚分布的概率记账。

看一个明确的右删失分支:所有人从0进入,单位独立,固定协变量层内 C⊥(T,J),删失分布不共享事件参数。设 G(t)=P(C≥t)>0,删失与事件没有共同原子,观察 X=min(T,C)、δ=1{T≤C}。完整资料的亚分布风险指示为 Y1∗(t)=1{T≥t}+1{T<t,J≠1}。可观察的加权版本是

Wi(t)=1{Xi≥t}+1{Xi<t,δi=1,Ji≠1}G(t)G(Xi).

仍被观察且尚无事件者权重1;在u发生竞争事件者,之后权重为 G(t)/G(u)。用独立删失逐个固定 T,J,条件期望给 E[W(t)∣T,J]=G(t)Y1∗(t):竞争事件在u被看到的概率 G(u) 恰好消去分母。权重有界,因此这些期望确实存在。事件分子也同样被 G(t) 缩小,说明加权分母如何与观察到的目标事件相配。

实践用与观察协议相符的删失分布估计替换G,并在它为零前停止;协变量相关删失需使用相应分层或条件模型。这个公式不含左截断,不能把有延迟进入的资料只改一个指示函数就套用;截断版本还需调整纳入概率。软件说明中的扩展时间行也不是新增独立对象。

直觉

研究类型 1 事件的累计发生概率时,已经发生类型 2 的人为什么还会出现在一种“风险集”中?Fine–Gray 模型采用的是为累计发生率定义的数学分母,它需要与真正仍能发生事件的人群区分。

例子与边界

常数原因风险的反例 ​

设真实原因别风险为 λ1=0.1、λ2=0.2,单位为每年。尚无事件的生存率是 e−0.3t,于是

F1(t)=13(1−e−0.3t),α1(t)=0.1e−0.3t1−13(1−e−0.3t).

虽然原因别风险 λ1 始终为 0.1,亚分布风险却从 0.1 逐渐下降到零。到 t=5,F1(5)≈0.259,α1(5)≈0.0301。下降的原因是分母逐步积累了永远不再发生目标事件的竞争事件者。

若另一组只把 λ2 从 0.2 提高到 0.4,而 λ1 保持不变,则 F1(5)=0.2(1−e−2.5)≈0.184。目标累计发生率降低了,但目标原因别风险没有改变。这说明亚分布效应可能通过竞争事件通路产生,不能自动解释为对目标事件自身机制的作用。

一次带真实权重的更新 ​

取终点练习的A至E五人,但这次全部从0进入,并把E改为4.5删失,其余退出时间与事件类型不变。目标仍是类型1。时间3的删失B使删失生存估计从1变为 3/4;时间4.5时仍无事件的是D、E,E的删失使它再乘 1/2。

到时间5,D权重1,已经在4发生竞争事件的C权重 (3/8)/(3/4)=1/2,加权分母为 3/2。类型1的两个亚分布跳增量为 1/5 和 2/3,因此累计发生率为 1−(1−1/5)(1−2/3)=11/15。由Aalen–Johansen更新,同一资料也给 1/5+(4/5)(2/3)=11/15。若C始终权重1,第二次分母变为2,错误结果为 3/5。本例按有限跳乘积计算,没有对跳增量取连续指数近似。

使用步骤与边界 ​

先定义互斥的首次事件类型和关注的时间范围,再决定问题是“仍无事件者中的瞬时发生率”还是“原始人群到某时点的累计发生概率”。前者用原因别风险,后者可用亚分布回归或先估计所有原因风险再合成累计发生率。

随后检查比例亚分布风险假设、删失建模和绝对风险预测。一个亚分布风险比不直接给累计发生概率比或风险差。例如基线 F10(t)=0.2、亚分布风险比2时,另一组 F1(t)=1−0.82=0.36,并非0.4。分别给每个原因拟合独立的Fine–Gray模型,还须检查预测的各 Fk 之和不超过1;单个模型的合法性不保证它们共同组成合法竞争风险分布。对内部时间变化协变量,竞争事件后该变量可能失去定义,直接延长其轨迹尤其需要谨慎。

推论与应用

Aalen–Johansen 估计提供不加协变量模型的累计发生曲线,可帮助理解回归目标。原因别与亚分布模型可以同时报告,只要明确两者分别在回答什么问题。

参考资料
关系图谱24 个相邻概念 · 3 类关系

拖动节点调整位置。

显示关系

显示:依赖

  1. 前置三跳
  2. 前置二跳
  3. 前置一跳
  4. 当前条目
  5. 后续一跳
  6. 后续二跳
  7. 后续三跳
文字版关系按与当前条目的最短距离分组
类型化关系