形式陈述
设首次事件时间 ,类型为 ,并假定以下累计发生函数绝对连续、在零处没有概率原子。在生存与竞争风险理路生存分析基础Survival analysis · Kaplan–Meier estimator对事件时间、删失、survival 与 hazard 建模并估计生存曲线的基础框架。框架下,目标类型的累计发生函数是 。在它可微且 的时刻,亚分布风险定义为
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 的紧时间窗上, 有正下界, 绝对连续。由微积分基本定理的Lebesgue版本理路微积分基本定理Fundamental theorem of calculus积分与求导在适当连续性条件下互为逆过程。积分其几乎处处导数,得到
式中的累计量是Lebesgue时间积分理路Lebesgue 积分Lebesgue integral从简单函数积分出发,按单调逼近定义非负、扩展值与可积函数的积分。。有概率原子时则用 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
其形式类似Cox 模型理路Cox 比例风险模型与部分似然Cox proportional hazards model · Cox partial likelihood通过事件时刻的风险集比较消去未知基线风险,推导 Cox 部分似然、得分和解释边界。,但目标量和风险集不同。固定协变量下,它隐含 ,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 事件使 下降。一个人发生类型 后,终身都不会进入“已发生类型 ”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 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 ,删失分布不共享事件参数。设 ,删失与事件没有共同原子,观察 、。完整资料的亚分布风险指示为 。可观察的加权版本是
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 。用独立删失理路独立性Statistical independence从概率表理解独立性,区分两两、相互和条件独立,并用可计算反例澄清零协方差与条件均值的限度。逐个固定 ,条件期望理路条件期望Conditional expectation以信息分组的加权平均建立条件期望直觉,再连接测度定义、最小均方预测、塔式性质和可计算反例。给 :竞争事件在u被看到的概率 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 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 事件的累计发生概率时,已经发生类型 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 、,单位为每年。尚无事件的生存率是 ,于是
虽然原因别风险 始终为 ,亚分布风险却从 逐渐下降到零。到 ,,。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 从 提高到 ,而 保持不变,则 。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 ;时间4.5时仍无事件的是D、E,E的删失使它再乘 。
到时间5,D权重1,已经在4发生竞争事件的C权重 ,加权分母为 。类型1的两个亚分布跳增量为 和 ,因此累计发生率为 。由Aalen–Johansen更新理路Aalen–Johansen 估计量Aalen-Johansen estimator按时间顺序相乘局部转移矩阵,把多状态风险增量转换成总和为一的状态概率。,同一资料也给 。若C始终权重1,第二次分母变为2,错误结果为 。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 、亚分布风险比2时,另一组 ,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 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 估计理路Aalen–Johansen 估计量Aalen-Johansen estimator按时间顺序相乘局部转移矩阵,把多状态风险增量转换成总和为一的状态概率。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